Tenaga Surya Deep Tech Modul,

MLPE (Module-Level Power Electronics) adalah perangkat konversi daya yang dipasang pada setiap panel surya untuk pemantauan real-time, optimasi daya, dan pemutusan darurat (RSD). Conalog adalah produsen MLPE #1 di Korea.

RSD memutus tegangan setiap panel menjadi 0V dalam 30 detik saat keadaan darurat. Wajib di AS (NEC2023). MLPE Conalog memiliki RSD bawaan dengan nol insiden kebakaran.

Hasil bervariasi tergantung kondisi pembangkit, tetapi rata-rata peningkatan 8%+ setelah pemasangan MLPE. Di lingkungan dengan bayangan berat, peningkatan hingga 15% dapat dicapai. Repowering berbasis AI (penggantian kabel, perubahan konfigurasi, reposisi modul, dll.) dapat memulihkan produksi lebih lanjut.

Ya. MLPE dapat dipasang tambahan di pembangkit yang sudah ada tanpa mengganti inverter.

Dengan diagnostik jarak jauh tingkat panel, kami telah mendeteksi dan menyelesaikan 500+ risiko per tahun tanpa kunjungan lapangan. Biaya O&M berkurang sekitar 50%, biaya diagnostik AI 95% lebih murah dari inspeksi lapangan konvensional.

Ya. Solusi MLPE Conalog bersertifikat sebagai Produk Inovasi Pemerintah, memungkinkan kontrak langsung dengan institusi publik.

Solarlog terdiri dari diagnosis pembangkit dan layanan Solarlog O&M berbasis langganan. Solarlog O&M adalah satu paket yang dimulai dari tier Dasar dan diperluas secara fleksibel dengan opsi Peningkatan (tingkatkan hasil), Manajemen (perawatan ringan), dan Jaminan (jaminan hasil). Diagnosis pembangkit hadir sebagai adendum pada tier Dasar, menunjukkan penyebab kerugian hingga tingkat panel.

Power Optimizer melakukan pelacakan titik daya maksimum (MPPT) per panel untuk meminimalkan kerugian akibat bayangan, kontaminasi, dan penuaan. Rata-rata peningkatan produksi 8%+, dan di lingkungan bayangan berat bisa mencapai 15%.

Dulu, sulit mengetahui komponen mana yang rusak, sehingga tingkat operasi pembangkit menurun. Karena Solarlog memantau pembangkit di tingkat modul (panel), ia menunjukkan titik masalah secara tepat dan meningkatkan tingkat operasi secara dramatis — dalam PoC di luar negeri, staf lokal bahkan menemukan dan memperbaiki masalah sendiri tanpa panduan. Waktu pemeliharaan terdiri dari tiga tahap — mengenali kejadian, menyusun rencana, dan melakukan tindakan — dan tanpa data dasar, setiap tahap memakan waktu cukup lama. Analisis berbasis data tingkat panel mempersingkat seluruh proses, dan AI diterapkan di setiap langkah, dari deteksi hingga tindakan.