Cum câștigi 15% randament la fotovoltaic fără fabrică nouă

De ce contează un plus de 15% la fiecare panou

Un proiect fotovoltaic mare în România se calculează azi la nivel de megawați instalați, dar profitul real vine din fiecare procent de randament scos din panou. Un plus de 10‑15% energie pe aceeași suprafață poate decide dacă un parc trece sau nu de banca de finanțare, mai ales în 2026, cu dobânzi ridicate și presiune pe CAPEX.

În același timp, tranziția verde și integrarea masivă de regenerabile în rețea obligă operatorii să stoarcă maximum de kilowați-oră din fiecare panou, turbină și baterie. Iar aici începe să se vadă combinația interesantă dintre inovații de material (cum este photon multiplication) și AI în industria energetică – de la proiectare, la operare și mentenanță predictivă.

Mai jos trecem printr-un exemplu concret: tehnologia Cambridge Photon Technology, care promite până la 15% creștere relativă de eficiență a modulului, fără să schimbe liniile de producție. Apoi legăm această inovație de contextul românesc: cum ar fi folosită într-un parc solar de la Focșani sau în prosumatori industriali din Cluj, cu AI la cârmă.

Cum funcționează photon multiplication, pe românește

Photon multiplication răspunde la o problemă simplă: panourile pe siliciu nu folosesc eficient fotonii cu energie foarte mare (UV, albastru, verde). O parte se pierde în căldură, o parte trece degeaba.

Cambridge Photon Technology propune un material care se adaugă în folie de encapsulare a modulului și care:

1. Absoarbe fotonii de energie mare (UV, albastru, verde);
2. Împarte energia lor în două „pachete” de energie mai mică (principiu de singlet fission);
3. Transformă aceste pachete în doi fotoni infraroșii, cu energie „pe gustul” celulei de siliciu;
4. Lasă restul fotonilor să treacă neafectați.

Rezultatul: aceeași rază de soare produce nu un singur foton util, ci doi. Nu încălcăm nicio lege a fizicii, doar folosim mai inteligent distribuția de energie.

Esența tehnologiei: dintr-un foton greu de folosit pentru siliciu obții doi fotoni „optimi”, fără să atingi celula solară sau procesul ei de fabricație.

Unde intră materialul în lanțul de producție

Startup-ul spune clar: nu vrea să schimbi fabrica.

• Materialul photon multiplier este un aditiv organic introdus în encapsulant (EVA/POE);
• Devine „al patrulea aditiv” în folia pe care oricum o cumperi;
• Producătorul de module lucrează la aceleași temperaturi, aceeași laminare, același sticlă;
• Din punctul lui de vedere, primește „doar” o folie cu specificații ceva mai bune.

Asta contează enorm într-o industrie care produce miliarde de metri pătrați de panouri pe an. Orice tehnologie care cere schimbarea liniilor de producție are șanse mici să treacă de pilot. O soluție „drop‑in” are o șansă reală.

Cât înseamnă în practică: de la 25% la 28,75%

Startup-ul vorbește despre până la 15% creștere relativă de eficiență a modulului. Asta nu înseamnă că sari de la 20% la 35%; înseamnă că:

• un modul de 25% eficiență ajunge la 28,75% (25 × 1,15);
• un modul de 22% ar urca spre 25,3%;
• prima generație de produs vizează chiar și +4% putere relativă, unde deja modelul economic „iese” de 3 ori valoarea costului materialului.

Pentru un investitor român în fotovoltaic, merită tradus în cifre simple.

Exemplu: parc de 50 MW în România

Să luăm un parc solar de 50 MWp în sudul țării:

• Producție anuală de bază (la 1 400 kWh/kWp/an):
  • 50 MW × 1 400 = 70 GWh/an;
• Cu +10% energie (nu neapărat tot 15%, păstrăm o medie conservatoare):
  • ~77 GWh/an.

Diferența de 7 GWh/an la un preț mediu de 65 €/MWh în contracte pe termen lung înseamnă ~455 000 € în plus pe an. Pe 20 de ani, chiar cu degradare și discout rate, impactul în IRR devine serios.

Într-o piață unde multe proiecte românești se luptă pentru 0,5‑1 punct procentual la rata internă de rentabilitate, un astfel de boost poate fi diferența între „finanțabil” și „amânat”.

Beneficii ascunse: mai puțină căldură, mai puțină degradare

Photon multiplication nu doar crește numărul de fotoni utili, ci reduce energia nefolosită care lovește modulul sub formă de căldură sau UV agresiv.

Două efecte importante pentru operare și mentenanță:

1. Temperatură de operare mai mică
   Dacă mai puțină energie se disipă în căldură, modulul poate rula câteva grade mai rece. Fiecare 1‑2°C în minus înseamnă 0,3‑0,5% mai mult randament instantaneu, în funcție de coeficientul termic.

2. Protecție UV pentru encapsulant și materiale
   Partea de fotoni UV absorbită de material acționează ca un filtru de protecție. Asta

   • reduce îngălbenirea encapsulantului,
   • întârzie apariția micro‑fisurilor și a delaminării,
   • poate scădea rata anuală de degradare (de ex. de la 0,55% la 0,45% pe an – cifre orientative, dar rezonabile tehnic).

Startup-ul admite că în modelele lor economice de până acum au calculat doar câștigul de eficiență, nu și aceste două beneficii suplimentare. Din punctul meu de vedere, exact aici apare spațiul unde AI și analitica avansată pot aduce valoare pentru operatori români.

Unde intră AI în povestea asta, în contextul României

Seria noastră „AI în Industria Energetică din România: Tranziția Verde” merge mereu pe ideea că tehnologia de material singură nu e suficientă. Câștigul real vine când o combini cu modelare, optimizare și mentenanță predictivă pe bază de AI.

Tehnologii ca photon multiplication sunt un exemplu foarte bun de „hardware mai bun” pe care AI îl poate valorifica.

1. Proiectare optimă a parcurilor solare cu AI

Dacă introduci în model un modul cu spectru modificat și temperatură mai mică, algoritmii de dimensionare pot:

• recalcula raport DC/AC optim (poate suportă un DC overbuild mai agresiv);
• ajusta distanțele între rânduri în funcție de câștigurile marginale de producție;
• optimiza orientarea și layout-ul pentru spectrul real de iradiere din România;
• simula impactul combinat al photon multiplication + albedo (de ex. pe parcuri bifaciale).

Un dezvoltator român care folosește deja modele AI pentru predicția producției și analiza bancabilității poate încărca în sistem noile curbe de performanță ale modulului cu photon multiplier. Asta nu e doar „nice to have”, ci un avantaj competitiv la finanțare.

2. Mentenanță predictivă pentru panouri cu randament crescut

Noile materiale aduc și noi moduri posibile de degradare. Aici un sistem AI bine antrenat pe date de teren poate:

• compara degradarea în timp între șiruri de test cu și fără photon multiplier;
• detecta modele atipice de încălzire (hotspots) prin imagini termice și drone;
• izola mai rapid probleme de calitate a encapsulantului sau a aditivului;
• ajusta modelul de producție așteptată pentru fiecare șir, reducând alarmele false.

Pentru un operator de parc din Dobrogea, care deja folosește drone și camere termice, integrarea unui modul suplimentar de AI pentru analiza specifică a acestor noi panouri e aproape naturală.

3. Predicția producției și gestionarea rețelei

În contextul SEN și al congestiilor de rețea, un parc care produce 10‑15% mai mult trebuie integrat cu grijă în sistem:

• modelele AI de forecast (hidrometeo + istoric) vor trebui recalibrate cu noile curbe P‑irradiere‑temperatură;
• dispeceratele de distribuție și transport pot folosi aceste modele pentru planificarea flexibilității (baterii, reducere de sarcină, contracte de prosumatori industriali);
• agregatorii de prosumatori din România vor putea oferi în piață profiluri de producție mai precise, ceea ce înseamnă bani în plus și penalități mai mici.

Realitatea e simplă: hardware mai bun + AI bun = proiect mai bancabil și operare mai stabilă.

Ce înseamnă asta pentru piața românească în următorii ani

Tehnologii ca photon multiplication nu vor fi mâine în fiecare depozit din România. Startup-ul britanic abia a strâns 1,56 milioane GBP pre‑Series A și vorbește de un orizont până în 2027 pentru validare industrială completă.

Dar pentru companiile românești care vor să fie cu un pas înainte, sunt câteva lucruri clare:

1. Trebuie urmărite noile generații de module, nu doar prețul/Wp.
   O ofertă cu module „scumpe” dar cu +10% producție și degradare mai mică poate fi mai profitabilă decât un modul ieftin, dacă faci calculele corect și folosești modele AI pentru LCOE.

2. Modelele interne de analiză trebuie să accepte rapid noi tehnologii.
   Dacă ai o echipă de data science sau un partener AI care poate integra rapid curbe noi de performanță, vei putea evalua fără emoții generatia următoare de panouri.

3. Mentenanța predictivă devine obligatorie, nu opțională.
   Cu cât tehnologia devine mai sofisticată (nanomateriale, straturi multiple, photon multipliers), cu atât ai mai mult nevoie de AI care să urmărească subtilele derapaje de performanță.

4. Tranziția verde în România nu e doar despre MW instalați, ci despre W bine folosiți.
   Fiecare procent de randament, fiecare grad mai puțin la temperatură, fiecare 0,1%/an mai puțină degradare contează atunci când vrei o rețea stabilă și tarife suportabile.

Unde mergem mai departe

Tehnologia Cambridge Photon Technology este un exemplu foarte clar de felul în care cercetarea de top pe materiale se combină cu optimizarea digitală și AI pentru a schimba economia proiectelor fotovoltaice.

Pentru ecosistemul energetic din România, mesajul e direct:

• urmărim astfel de inovații,
• pregătim modelele AI ca să le putem evalua rapid,
• adaptăm proiectele astfel încât să folosim eficient fiecare kilowatt-oră produs.

Seria „AI în Industria Energetică din România: Tranziția Verde” va reveni pe subiectul fotovoltaic în următoarele episoade, cu exemple de implementare reală – de la parcuri solare cu AI pentru curățare automată, până la microrețele industriale care combină baterii, fotovoltaic și predicție de consum.

Până atunci, întrebarea bună pe care merită s‑o pui în board este asta: cum ar arăta modelul tău de business dacă, în 3‑5 ani, panourile standard de pe piață ar produce cu 10‑15% mai mult, iar tu ai fi printre primii care știu să le proiecteze și să le opereze cu ajutorul AI?