Torna all'archivio

Sistemi embedded

In evidenza

Sistema intelligente di inseguimento solare con gestione energetica e protezione meteo

Un pannello solare che segue la luce, si protegge dal maltempo, anticipa il comportamento solare e mostra le proprie prestazioni.

Contesto: Tesi di laurea / progetto tecnico finale

Periodo: 2024-04 a 2025-05

Riepilogo

Il progetto collega un impianto fisico di inseguimento solare al monitoraggio e alla previsione locali. Il pannello si orienta verso la luce più intensa, comunica dati elettrici e ambientali, reagisce a pioggia o vibrazioni e mostra lo stato su una dashboard Raspberry Pi.

Il mio ruolo

Progetto individuale: ho progettato e integrato controllo embedded, piattaforma locale, telemetria, dashboard, logica energetica e previsione.

Ambito e prossima validazione

I test coprono il prototipo funzionante. Il passo successivo sarebbe una validazione esterna su più stagioni.

2017–2018

Periodo NSRDB usato per il training

2019

Periodo di previsione GHI

5 days

Storico recente per il funzionamento del giorno successivo

10

Variabili meteorologiche in ingresso

Dalla luce solare a una decisione utile

Pannello e sensori

Luce, potenza, batteria, pioggia, vibrazioni e meteo

ESP32

Lettura real-time, inseguimento, attuatori e protezione

Raspberry Pi 5

Orchestrazione locale, elaborazione e previsione

Django e PostgreSQL

API, storico telemetria e azioni remote

Dashboard

Stato live, tendenze, meteo e previsione

Cosa gestisce il sistema

Inseguimento su due assi con sensori di luce e servomotori.

Flusso comune di telemetria per potenza, batteria e ambiente.

Protezione automatica in caso di pioggia o vibrazioni.

Dati meteo storici e misure locali per valutazione e previsione giornaliera.

Tecnologia

Controllo fisico

ESP32LDR arraySG90 servosSensorsDC-DC regulation

Piattaforma locale

Raspberry Pi 5DjangoPostgreSQLREST APIs

Monitoraggio

JavaScriptD3.jsTelemetry dashboards

Previsione

PythonLSTMNSRDB dataGHI / DNI / DHI
Sistemi embeddedIoTFull-stackIA applicataEnergia rinnovabileAutomazioneTelemetria

Conclusioni

  • Hardware, dashboard e machine learning lavorano insieme in un prototipo completo.
  • ESP32 e Raspberry Pi separano chiaramente controllo in tempo reale e orchestrazione.
  • La previsione combina valutazione storica NSRDB e misure locali recenti.
  • Alimentazione, rumore dei sensori, attuatori, persistenza e interfaccia sono stati affrontati come un unico sistema.
Una giornata in movimento
albaprevisione