РАЗРАБОТКА УЧЕБНО-ИССЛЕДОВАТЕЛЬСКОГО СТЕНДА И ИССЛЕДОВАНИЕ ВЗАИМОСВЯЗИ МЕЖДУ ВЫХОДНОЙ МОЩНОСТЬЮ СОЛНЕЧНОЙ ПАНЕЛИ И ИНТЕНСИВНОСТЬЮ СВЕТА
10 5
Аннотация
Аннотация. В XXI веке мировая энергетическая система направлена на переход к возобновляемым источникам энергии. Солнечная энергия, как экологически чистый и неисчерпаемый ресурс, становится стратегическим источником производства электрической энергии. Эффективность и производительность солнечных панелей определяются их зависимостью от внешних факторов, особенно от интенсивности падающего света и угла установки панели. Поэтому исследование взаимосвязи между выходной мощностью солнечной панели и интенсивностью света является актуальным научным направлением для оптимизации солнечных энергетических систем, снижения затрат и повышения эффективности. Путём разработки специального учебно-практического стенда проведено экспериментальное исследование зависимости выходной мощности солнечной панели от интенсивности света, построена токово-вольтная (IV) характеристика панели, а также определены коэффициент заполнения и показатели эффективности. Исследование проводилось с использованием учебно-исследовательского стенда, состоящего из фотоэлектрической панели, управляющего блока, прожекторов, переменных нагрузок, датчиков напряжения/тока и люксометра. В ходе эксперимента интенсивность света изменялась поэтапно, измерялись параметры панели Voc, Isc, Vmax и Imax. На основании полученных данных были рассчитаны коэффициент заполнения (Fill Factor) и коэффициент эффективности. Результаты эксперимента показали, что выходная мощность солнечной панели приблизительно прямо пропорциональна интенсивности света. Ток короткого замыкания линейно возрастал с увеличением освещённости, а напряжение холостого хода изменялось незначительно. IV-кривые при различных уровнях освещённости и рассчитанные коэффициенты заполнения соответствовали закономерностям работы фотоэлектрической панели. Кроме того, было выявлено, что влияние угла установки панели на мощность соответствует косинусному закону. Полученные результаты могут стать основой для повышения эффективности солнечных панелей, обеспечения их надёжной работы в различных условиях и разработки новых инженерных решений.
Библиографические ссылки
Abdelsattar, M., AbdelMoety, A., & Emad-Eldeen, A. (2025). Advanced machine learning techniques for predicting power generation and fault detection in solar photovoltaic systems. Neural Computing and Applications.
Sarmah, P., Das, D., Saikia, M., Kumar, V., Yadav, S. K., Paramasivam, P., & Dhanasekaran, S. (2023). Comprehensive Analysis of Solar Panel Performance and Correlations with Meteorological Parameters. ACS Omega, 8(50), 47897.
Mundu, M. M., Sempewo, J. I., Nnamchi, S. N., Mahoro, G. B., & Uti, D. E. (2025). Integration of wind flow effects in theoretical and experimental models for solar power generation. Scientific Reports, 15(1).
Al-Shahri, O. A., Ismail, F. B., Al-Muhsen, N. F. O., Al‐Bazi, A., & Hannan, M. A. (2022). An improved model and performance analysis for grid-connected photovoltaic system in Oman. Heliyon, 8(12).
Li, Z., Yang, J., & Dezfuli, P. A. N. (2021). Study on the Influence of Light Intensity on the Performance of Solar Cell. International Journal of Photoenergy, 2021, 1.
Saidur, R., Hasanuzzaman, M., & Rahim, N. A. (2015). Effects of various parameters on PV-module power and efficiency. Energy Conversion and Management, 103, 348.
Zhang, Y., Yang, H., & Wang, P. (2020). Research on output characteristics of photovoltaic module. 521.
Nunes, H., Calado, M. R. A., Mariano, S. J. P. S., & Pombo, J. (2020). An Experimental Analysis of the Electrical Parameter Variation of a Photovoltaic Module. KnE Engineering.
Li, B., Chen, X., & Jain, A. (2024). Enhancing Power Prediction of Photovoltaic Systems: Leveraging Dynamic Physical Model for Irradiance-to-Power Conversion.
Basem, A., Opakhai, S., Elbarbary, Z. M. S., Atamurotov, F., & Benti, N. E. (2025). A comprehensive analysis of advanced solar panel productivity and efficiency through numerical models and emotional neural networks. Scientific Reports, 15(1).
Mcingani, I., Meyer, E. L., & Overen, O. K. (2024). The Impact of Ambient Weather Conditions and Energy Usage Patterns on the Performance of a Domestic Off-Grid Photovoltaic System. Energies, 17(19), 5013.
Meflah, A., Chekired, F., Drir, N., & Canale, L. (2024). Accurate Method for Solar Power Generation Estimation for Different PV (Photovoltaic Panels) Technologies. Resources, 13(12), 166.
Cavalcante, V. M., Neto, R. C., Barbosa, E. J., Bradaschia, F., Cavalcanti, M. C., & Azevedo, G. M. S. (2024). Evaluation of the Effectiveness of Solar Array Simulators in Reproducing the Characteristics of Photovoltaic Modules. Sustainability, 16(16), 6932.
Kumari, N., Singh, S. K., Kumar, S., & Jadoun, V. K. (2024). Performance analysis of partially shaded high-efficiency mono PERC/mono crystalline PV module under indoor and environmental conditions. Scientific Reports, 14(1).
Sugianto, S. (2020). Comparative Analysis of Solar Cell Efficiency between Monocrystalline and Polycrystalline. INTEK Jurnal Penelitian, 7(2), 92.
Abdelsattar, M., AbdelMoety, A., & Emad-Eldeen, A. (2025). Advanced machine learning techniques for predicting power generation and fault detection in solar photovoltaic systems. Neural Computing and Applications.
Mundu, M. M., Sempewo, J. I., Nnamchi, S. N., Mahoro, G. B., & Uti, D. E. (2025). Integration of wind flow effects in theoretical and experimental models for solar power generation. Scientific Reports, 15(1).
Al-Shahri, O. A., Ismail, F. B., Al-Muhsen, N. F. O., Al‐Bazi, A., & Hannan, M. A. (2022). An improved model and performance analysis for grid-connected photovoltaic system in Oman. Heliyon, 8(12).
Basem, A., Opakhai, S., Elbarbary, Z. M. S., Atamurotov, F., & Benti, N. E. (2025). A comprehensive analysis of advanced solar panel productivity and efficiency through numerical models and emotional neural networks. Scientific Reports, 15(1).
Meflah, A., Chekired, F., Drir, N., & Canale, L. (2024). Accurate Method for Solar Power Generation Estimation for Different PV (Photovoltaic Panels) Technologies. Resources, 13(12), 166.
Hasan, M. M., Hossain, S., Mofijur, M., Kabir, Z., Badruddin, I. A., Khan, T. M. Y., & Jassim, E. (2023). Harnessing Solar Power: A Review of Photovoltaic Innovations, Solar Thermal Systems, and the Dawn of Energy Storage Solutions. Energies, 16(18), 6456. https://doi.org/10.3390/en16186456
Manowska, A., Dylong, A., Tkaczyk, B., & Manowski, J. (2023). Analysis and Monitoring of Maximum Solar Potential for Energy Production Optimization Using Photovoltaic Panels. Energies, 17(1), 72.
Jaiswal, S. (2023). Renewable Energy from Solar Panels: A Study of Photovoltaic Physics and Environmental Benefits. ShodhKosh Journal of Visual and Performing Arts, 4(2).
Alqaraghuli, O., & İbrahim, A. A. (2025). Optimizing Photovoltaic System Diagnostics: Integrating Machine Learning and DBFLA for Advanced Fault Detection and Classification. Electronics, 14(8), 1495.
Alsalem, K. (2025). A hybrid time series forecasting approach integrating fuzzy clustering and machine learning for enhanced power consumption prediction. Scientific Reports, 15(1).
Dada, M., & Popoola, A. P. I. (2023). Recent advances in solar photovoltaic materials and systems for energy storage applications: a review. Beni-Suef University Journal of Basic and Applied Sciences, 12(1).
