Drone termico DJI Mavic 3 T

I droni compatti dotati di camera termica e camera visibile vengono utilizzati sui siti fotovoltaici perché consentono di osservare numerose file senza iniziare da un controllo dettagliato di ogni modulo a terra. Il DJI Mavic 3 T appartiene a questa classe di sistemi, ma il nome del modello non costituisce di per sé una garanzia sulla qualità dell’ispezione.

Per un impianto fotovoltaico, l’interesse principale è la possibilità di acquisire immagini termiche e visibili mantenendo un riferimento di posizione. Un candidato può essere individuato dall’alto, associato a una fila o a un modulo e poi verificato direttamente sul campo.

Le caratteristiche tecniche precise devono essere prese dalla documentazione aggiornata del produttore per la versione effettivamente utilizzata. Risoluzione, ottica, limiti operativi, sistema di posizionamento e autonomia sono dati del costruttore e non dovrebbero essere ricostruiti da fonti non verificate.

Buone caratteristiche tecniche non garantiscono comunque un buon termogramma. Quota, angolo di vista, messa a fuoco, irraggiamento, vento e dimensione del fenomeno ricercato influenzano il risultato.

Questa classe di drone è quindi uno strumento di acquisizione. La qualità dell’ispezione dipende dall’intero processo e non dal solo modello dell’aeromobile.

Un volo produce innanzitutto una serie di immagini termiche della superficie dei moduli e di altri componenti visibili. Queste immagini possono mostrare differenze tra celle, moduli, connessioni o stringhe che lavorano in condizioni comparabili.

Quando vengono raccolte anche immagini visibili, la revisione dispone di un secondo livello di contesto. Ombreggiamento, vegetazione, sporco, vetro rotto o altri elementi superficiali possono spiegare un pattern che altrimenti sarebbe facile interpretare in modo troppo rapido.

La posizione delle immagini è altrettanto importante. Un’anomalia termica deve poter essere collegata a un modulo, a una fila o a una stringa concreta; diversamente diventa difficile trasformarla in un’attività di manutenzione.

Anche i dati del contesto operativo devono accompagnare le immagini. Data, ora, irraggiamento, vento, nuvole, temperatura del modulo e parametri rilevanti di volo aiutano a capire in quali condizioni è stato osservato il candidato.

Il risultato della missione non è quindi una lista automatica di difetti. È un dataset da organizzare, rivedere e, quando necessario, verificare con misure elettriche o controlli fisici.

La campagna inizia con la definizione del perimetro e della scala del fenomeno cercato. Distinguere interi moduli richiede un livello di dettaglio diverso rispetto alla ricerca di piccoli pattern a livello di cella o connessione.

Le condizioni ambientali vengono quindi valutate prima e durante il volo. L’irraggiamento influenza il carico elettrico, il vento raffredda le superfici e le nuvole possono creare transizioni termiche rapide tra una fila e quella successiva.

La temperatura del modulo deve essere registrata come informazione di contesto. Non rappresenta una soglia universale che consente di classificare automaticamente un modulo come normale o difettoso.

IEC 62446-3 fornisce un quadro per la termografia esterna degli impianti fotovoltaici in esercizio. Considera attrezzatura, condizioni ambientali, procedura, competenza del personale e rapporto e non prescrive un unico intervallo di temperatura valido per tutte le centrali.

Durante l’acquisizione vanno controllati anche angolo di vista e riflessi sul vetro. Dopo il volo, le immagini vengono collegate al layout, confrontate con le immagini visibili e organizzate come candidati da revisionare.

Una cella più calda delle celle vicine può suggerire una condizione da approfondire. Danno, ombreggiamento, mismatch o altre situazioni elettriche o fisiche possono produrre pattern simili, per cui l’immagine non determina automaticamente la causa.

Pattern più ampi possono essere compatibili con determinati comportamenti dei diodi di bypass. Questo può aiutare a orientare la verifica, ma non dimostra da solo che un diodo sia guasto.

Anche una connessione surriscaldata può comparire chiaramente nel dataset. Un connettore o un morsetto più caldo rispetto a elementi comparabili può giustificare un controllo prioritario, ma il termogramma non misura direttamente la resistenza di contatto.

Lo sporco può generare un comportamento termico diverso riducendo localmente l’irraggiamento disponibile. Per questo l’immagine visibile è utile per distinguere un problema superficiale da un’anomalia che potrebbe richiedere ulteriori prove.

A livello di stringa, intere aree possono comportarsi diversamente. Carico, disconnessione, ombreggiamento o stato dell’inverter possono spiegare parte di queste differenze.

La termografia suggerisce quindi dove approfondire. Non attribuisce automaticamente una causa definitiva.

Su una grande centrale, un drone può coprire molte file prima che una squadra debba raggiungere ogni singolo candidato. Questo può ridurre parte del lavoro di ricerca, ma il vantaggio dipende dalla dimensione del sito, dalla geometria, dalla risoluzione richiesta e dalle condizioni operative.

La ripetibilità delle rotte può essere utile nelle campagne successive. Tornare sugli stessi settori con una geometria simile facilita la localizzazione e il confronto documentale. Non garantisce però una comparabilità termica se irraggiamento, vento o temperatura del modulo sono diversi.

Il vento è un limite doppio: influenza sia il volo sia il raffreddamento dei moduli. Un drone può essere ancora operabile mentre le condizioni termiche sono già meno favorevoli per un confronto preciso.

Anche le autorizzazioni di volo dipendono dal luogo e dalla missione. Le capacità tecniche dell’aeromobile non determinano da sole se una certa rotta sia consentita o appropriata.

L’autonomia è una caratteristica operativa e va letta come dato del produttore nelle condizioni da esso dichiarate. Non deve essere trasformata in una durata garantita di missione su un sito reale.

Dopo la missione, le immagini devono essere associate agli asset reali. Modulo, fila, stringa o altro componente devono poter essere ritrovati sul campo senza ricominciare l’intera ricerca.

La prima revisione genera candidati. Software e strumenti di IA possono aiutare a selezionare le immagini insolite e a ordinare grandi quantità di dati, ma non devono essere presentati come diagnosi automatica. Riflessi, ombre, nuvole e qualità insufficiente possono produrre falsi positivi.

La revisione umana confronta poi termogramma, immagine visibile, condizioni ambientali e dati di monitoraggio. Se il candidato rimane plausibile, si sceglie il controllo tecnico più adatto.

Una differenza di stringa può portare a misure di corrente o tensione. Un sospetto problema di isolamento richiede una misura di resistenza di isolamento, mentre una connessione surriscaldata può richiedere un controllo fisico diretto.

Il rapporto dovrebbe distinguere sempre tra candidato, rilievo revisionato, causa confermata e intervento effettuato. Questa separazione mantiene chiaro il livello reale di evidenza.

Il modello di drone non garantisce la qualità diagnostica. Anche una piattaforma tecnicamente adatta può produrre dati poco utili se il volo viene eseguito con geometria, condizioni ambientali o risoluzione inadeguate.

Un pattern termico non prova la causa. Diversi fenomeni possono produrre immagini simili e alcuni veri difetti possono non generare un contrasto evidente durante la missione.

Un volo non è monitoraggio continuo. Un problema intermittente può non essere attivo durante la campagna, mentre un nuovo evento può comparire successivamente.

Le immagini non sostituiscono le prove elettriche. Corrente, tensione, isolamento e altre proprietà devono essere misurati separatamente quando sono necessarie alla decisione.

I dati del produttore descrivono l’equipaggiamento, non certificano il risultato dell’ispezione. La qualità finale dipende dalla procedura, dalle condizioni e dalla competenza con cui i dati vengono acquisiti e verificati.