“系统会通过比对历史数据，如果发现有发电设备功率输出异常，会及时发出报警，我们可以使用人工智能可以与无人机合作的方式，在高处拍摄太阳能场地的照片，然后使用图像自动识别技术，来了解太阳能电池组件中可能存在缺陷的地方。”

“比如，裸露在外的光伏板常易被鸟粪，灰尘，异物等覆盖导致透光率降低，或者形成阴影。”

“各位领导和来宾，大家早上好，现在由我来介绍这套全新的太阳能AI系统的功能，以及使用情况。”

“大家请看大屏幕！这是我们在帝都的光伏发电主控中心，全国二百七十五家太阳能发电分厂，所有的生产信息都将汇总到这里。”

作为整个项目的负责人，李斌上台讲解系统的新功能。

“电站业主拥有来自自家电站的流媒体数据，他们可以更准确、更可靠的诊断出发生了什么，通过分析一个项目中单个组件的输出，人工智能可以准确指出哪些组件的运行低于预期水平，提醒项目业主或运营方何时需要维护。”

“这套太阳能AI系统改变了太阳能项目的运营和管理方式。通过分析云层覆盖、辐射度等方面的趋势，汇聚来自数千个太阳能电站的庞大数据集，可以帮助预测产出，及时调整用电策略。”

“随着越来越多的可再生能源进入电力系统，发电预测的准确性变得越来越重要。在集团层面，我们现在除了太阳能发电，还有风力发电，秸秆颗粒发电，小型水利设施发电，改进后的可再生能源发电精准预报，将有助于我们更有效地运行系统，最终意味着为集团降低电力账单。”

“低透光率会影响光电转化效率；阴影消除不及时更会导致光伏组件产生局部升温，熔化并毁坏栅线，严重影响接线盒和电池板的使用寿命，甚至最终导致整个太阳电池组件的报废。”

“新系统在设备的维护性方面做了大量工作，无人机使用了更复杂的成像和评估技术，提升了我们对组件性能和衰减的发现能力。人工智能可用于了解和预测太阳能技术中的低效或缺陷情况。”

“组件在衰减，但为什么会衰减？电站业主可以从他们看不到的障碍物中，发现导致组件效率低下的遮蔽问题。”

“我们的新系统，可以使用光伏板异物识别功能，自动对画面中的光伏板进行检测分割，运用图像处理技术对分割的面板图像校正，校正后检测光伏板上是否有鸟粪或积灰并输出坐标信息。”

“由于人工智能系统会以近乎实时的方式做出分析，考虑到评估一个项目中每个组件所需的人力，这不仅节省了大量开支，而且还节约了时间。”

“通过新旧系统的使用比对，新系统在发电效率上，提高了20%左右，系统造价却降低了30%，设备损耗费用更是降低了50%，为集团节约了大量开支，减少了人力需求，简化了工作流程。”

“比如在电能充足时，我们会尽量加大设备的用电量。加大水塔补水、营养液调制、调温、电动车充电、物资吊运等等需要大量用电的设备和用作环节，能够先生产的就先生产，尽量消耗掉多余的电能，增加生产效率。而到了晚上，我们需要使用蓄能电池的时候，系统会自动进入用电节省模式，通过一些策略，尽量节省电能，避免过多消耗外网的电能。”

吴皓开始讨价，自己当然知道这套系统的价值，但是商场上讲的是商业利益，就算是合作伙伴，也是要明算账的。

“价钱方面你尽管报过来，大家可以谈嘛，毕竟要控制这个领域的市场，农发集团是下了大决心的，而且官方也是大力支持，农村里有很多资源，都可以变成再生能源，农发集团本身就是能耗大户，在这方面有强烈的需求。”

李斌向吴皓透露一些信息，毕竟这位旧领导对他有不少提点。

“哦，原来是这样，那我们就谈一下吧。”

能回收一笔资金，对于吴皓来说也是件好事，毕竟他有更高的目标。

李斌耐心的解释，农发集团在硬件设施方面有得天独厚的条件，如果能结合皓天科技的人工智能控制技术，在新能源发电设备解决方案领域，将会大有作为。

“买断也不是不可以，主要是价格方面会比较高，毕竟我们开发这套智能化系统，投入了不少钱，而且最近联系我们购买服务的厂家也比较多，这块肥肉刚到嘴边，农发集团就过来抢，我心里不是滋味啊！”

台下响起一阵热烈的掌声，农发集团的领导对于这项技术革新非常满意。

会后李斌找到了吴皓，“吴总，农发广智想买断皓天科技研发的这套太阳能AI系统。”

2025年12月25日，在农发广智总部，吴皓出席了太阳能AI系统验收上线仪式。

“买断？为什么？难道农发集团想进军太阳能发电装备市场？”吴皓感到有些意外。

因为系统在农发集团应用成功，有不少太阳能发电企业正在和他接触，想要使用这套系统，吴皓正准备大展拳脚。

“农发集团想进军整个新能源发电装备市场。刚才在验收鉴定会上已经说过了，农发集团现在新能源发电的项目，涉及到太阳能发电、风力发电、秸秆颗粒发电、小型水利设施发电等等多项技术。在新能源储能技术上，拥有气体储能、电池储能、水利储能等多种方式，可以说是国内运用新能源生产方面的龙头企业。”

“通过使用太阳能AI系统，在主控中心里，可以看到预测发电量，实际发电量，以及发电可选择策略等信息。”

“我们通过历史数据分析，结合天气预报、大气污染预报、温度、空气悬浮粒状、太阳辐射数据等等80多个监测变量，建立了一个太阳能强度预测模型。基于这个预测模型，人工智能通过寻找数百种不同的发电策略，来及时调整光伏生产的各项细节，从而达到生产效率最优化的结果。”