Fabryka Bezpieczeństwa FABE oraz Politechnika Łódzka rozpoczęły wspólny projekt badawczo-rozwojowy, którego celem jest przewidywanie pożarów instalacji fotowoltaicznych i magazynów energii jeszcze przed pojawieniem się pierwszych oznak zagrożenia. Całkowity budżet przedsięwzięcia to 6 788 568,05 zł, z czego 5 748 513,14 zł stanowi dofinansowanie ze środków Unii Europejskiej.
Kluczowe fakty:
- Fabryka Bezpieczeństwa FABE i Politechnika Łódzka realizują wspólny projekt badawczo-rozwojowy o budżecie 6 788 568,05 zł, z czego 5 748 513,14 zł pochodzi z dofinansowania Unii Europejskiej w ramach programu Fundusze Europejskie dla Nowoczesnej Gospodarki 2021–2027.
- Celem projektu jest stworzenie inteligentnej platformy predykcyjnej, która wykrywa ryzyko pożaru instalacji fotowoltaicznych i magazynów energii przed pojawieniem się pierwszych oznak zagrożenia, analizując dane o temperaturze, parametrach elektrycznych oraz charakterystyce pola elektromagnetycznego.
- Efektem prac ma być prototyp systemu gotowy do pilotażowego wdrożenia w rzeczywistych warunkach, przeznaczony zarówno na rynek polski, jak i zagraniczny.
Komunikat uczelni ukazał się 28 lipca 2026 roku i przez kolejny tydzień rozszedł się po polskich serwisach branżowych. Sam pomysł jest prosty do opisania i trudny do wykonania: zamiast czekać, aż czujnik wykryje ogień albo gwałtowny skok temperatury, system ma rozpoznawać subtelne odchylenia w danych pomiarowych i na ich podstawie oceniać, czy w instalacji rozwija się coś, co za tydzień albo za miesiąc skończy się awarią.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Co dokładnie ma powstać
Projekt nosi nazwę „Inteligentna platforma predykcyjna zagrożeń pożarem w fotowoltaice z zastosowaniem hybrydowych modeli opartych na AI, sensoryce oraz analizie anomalii”. Jest współfinansowany z programu Fundusze Europejskie dla Nowoczesnej Gospodarki 2021–2027, numer umowy FENG.01.01-IP.01-A19E/25-00.
Architektura rozwiązania łączy trzy warstwy danych z modelami obliczeniowymi. Platforma ma analizować:
- temperaturę mierzoną w wielu punktach instalacji,
- parametry elektryczne pracy systemu,
- charakterystykę pola elektromagnetycznego wokół podzespołów.
Te odczyty trafią do hybrydowych modeli sztucznej inteligencji, których zadaniem będzie oddzielenie zwykłego szumu pomiarowego od anomalii zapowiadającej usterkę. Efektem prac ma być prototyp gotowy do pilotażowego wdrożenia w rzeczywistych warunkach, rozwijany z myślą o rynku polskim i o rynkach zagranicznych.
„Innowacyjna platforma predykcyjna nowej generacji połączy dane z czujników temperatury, parametrów elektrycznych i pola elektromagnetycznego z hybrydowymi modelami sztucznej inteligencji. Powstanie prototyp rozwiązania gotowy do pilotażowego wdrożenia w rzeczywistych warunkach” – mówi dr hab. inż. Ewa Raj, prof. uczelni, kierownik Katedry Przyrządów Półprzewodnikowych i Optoelektronicznych Politechniki Łódzkiej.
FABE nie zaczyna w tym obszarze od zera. Spółka realizowała wcześniej finansowany z funduszy europejskich projekt systemu zapobiegania pożarom przy stacjach ładowania pojazdów elektrycznych, oparty na tej samej logice: pomiar parametrów fizykochemicznych, algorytmy uczenia maszynowego, wskaźnik bieżącego ryzyka i zalecenia dla operatora. Fotowoltaika i magazyny energii to naturalne rozszerzenie tego samego podejścia na inny typ infrastruktury.
Dlaczego akurat teraz
Skala polskiego rynku tłumaczy zainteresowanie tematem lepiej niż jakakolwiek deklaracja. Według biuletynu Agencji Rynku Energii na koniec maja 2026 roku moc zainstalowana fotowoltaiki w Polsce wynosiła 26 871 MW, czyli o 18,5 procent więcej niż rok wcześniej. Od stycznia do maja 2026 roku przyłączono 24 586 nowych instalacji o łącznej mocy 1266,1 MW, przy czym ponad 63 procent tegorocznego przyrostu mocy zapewniły obiekty większe niż 1 MW.
Segment prosumencki liczył na koniec maja około 1,64 mln instalacji o łącznej mocy 13,51 GW. Rok wcześniej było ich mniej więcej 1,56 mln przy mocy 12,45 GW. Rynek przesuwa się więc w stronę dużych farm, ale liczba dachów z panelami wciąż rośnie i każdy z nich to obiekt, który ktoś kiedyś będzie musiał serwisować.
Sprawdziłem, jak wygląda dostępność danych o pożarach tych instalacji, i tu zaczyna się rzecz najciekawsza. Państwowa Straż Pożarna nie prowadzi statystyki, która wskazywałaby fotowoltaikę jako bezpośrednią przyczynę zdarzenia. Jak wyjaśnia „Przegląd Pożarniczy”, filtrowanie zgłoszeń po słowie kluczowym pozwala ustalić jedynie, czy w danym obiekcie instalacja PV się znajdowała. Nie mówi nic o tym, czy to ona zapaliła budynek.
Cieszy mnie, że polska uczelnia i polska firma biorą się za problem, którego reszta rynku wolałaby nie nazywać po imieniu. Ale mam wobec tego projektu dwa pytania i oba są uczciwe.
Pierwsze dotyczy danych treningowych. Model predykcyjny jest tak dobry, jak zbiór przypadków, na których się uczył. Skoro w Polsce nie istnieje wiarygodna statystyka pożarów wywołanych przez instalacje PV, to skąd zespół weźmie wystarczająco dużo udokumentowanych scenariuszy awarii? Symulacje laboratoryjne są cenne, tylko rzeczywistość na dachu w Kutnie po pięciu latach eksploatacji potrafi być mniej uporządkowana niż stanowisko badawcze.
Drugie pytanie brzmi: kto zapłaci za czujniki. Platforma potrzebuje wielopunktowego pomiaru temperatury, parametrów elektrycznych i pola elektromagnetycznego. To sprzęt, który trzeba zamontować i utrzymać. Przy farmie o mocy kilkudziesięciu MW rachunek prawdopodobnie się domknie. Przy instalacji 10 kW na dachu domu jednorodzinnego już niekoniecznie, a to właśnie tam znajduje się ponad półtora miliona polskich instalacji.
Piszę to bez złośliwości. Uważam, że diagnostyka wyprzedzająca w energetyce rozproszonej to dobry kierunek i że komentarze pod artykułami w stylu „da się zrobić za sto tysięcy” mijają się z tym, czym jest projekt badawczy. Chciałbym tylko, żeby za trzy lata z tych pieniędzy wyszedł produkt, który ktoś kupi, a nie raport końcowy w szufladzie.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
Ile naprawdę płonie fotowoltaiki
Zanim ktokolwiek uzna, że panele na dachu to bomba zegarowa, warto sięgnąć po liczby, które są dostępne. Badania TÜV Rheinland i Fraunhofer ISE objęły próbę 1,3 mln systemów fotowoltaicznych i wykazały 210 przypadków związanych z pożarem, co daje 0,016 procent. Analiza Uniwersytetu RWTH w Akwizgranie szacuje roczne ryzyko pożaru domowego magazynu energii na 0,0049 procent, czyli mniej więcej jeden przypadek na 20,4 tys. instalacji.
W Polsce, jak podaje GLOBENERGIA, liczba incydentów z frazą „fotowoltaika” w opisie zdarzenia idzie w setki rocznie przy ponad półtora miliona mikroinstalacji, czyli poniżej 0,05 procent. Dla porównania tylko w sezonie grzewczym od września 2025 do końca marca 2026 roku strażacy wyjeżdżali do płonących kominów 12 772 razy.
Ryzyko jest więc niskie. Rośnie za to liczba obiektów, do których to ryzyko się odnosi, a wraz z nią liczba bezwzględna zdarzeń. I właśnie ten mechanizm, a nie rzekome pogorszenie jakości technologii, tłumaczy, dlaczego branża zaczyna szukać narzędzi predykcyjnych.
Kwestia, o której projekt jeszcze nie mówi
Jest jeszcze jeden wątek, którego w komunikacie prasowym nie ma, a który pojawi się najpóźniej na etapie komercjalizacji. Załącznik III do unijnego rozporządzenia o sztucznej inteligencji wymienia wśród systemów wysokiego ryzyka te przeznaczone do wykorzystania jako związane z bezpieczeństwem elementy procesów zarządzania i eksploatacji infrastruktury zaopatrzenia w wodę, gaz, ciepło lub energię elektryczną.
Platforma, która ocenia ryzyko pożaru w instalacji wytwórczej i rekomenduje odłączenie modułu, wpisuje się w tę definicję dość naturalnie. Rozporządzenie przewiduje wprawdzie mechanizm samooceny pozwalający wyłączyć system z tej kategorii, jeśli nie stwarza znaczącego ryzyka szkody i nie ma istotnego wpływu na wynik decyzji, tylko trudno mi sobie wyobrazić, żeby narzędzie do przewidywania pożarów przeszło ten test. Producenci systemów wysokiego ryzyka muszą spełnić wymogi dotyczące dokumentacji technicznej, zarządzania jakością danych, nadzoru człowieka i rejestracji w unijnej bazie. To realny koszt, który lepiej zaplanować na etapie projektowania niż odkryć na rok przed wdrożeniem.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co to oznacza dla polskich firm
Dla operatorów farm fotowoltaicznych i właścicieli dużych instalacji dachowych to zapowiedź narzędzia, którego dziś na rynku brakuje. Obecne systemy ochrony działają reaktywnie: informują, kiedy już się pali. Przesunięcie momentu alarmu o tygodnie wstecz zmienia ekonomię serwisu, bo pozwala planować wymianę podzespołu zamiast likwidować szkodę.
Dla firm ubezpieczeniowych to potencjalna zmiana w wycenie ryzyka. Instalacja z ciągłym monitoringiem predykcyjnym i udokumentowaną historią alarmów to inny obiekt niż taka, o której wiadomo tylko, że została odebrana przez uprawnionego instalatora.
Dla instalatorów sygnał jest mieszany. Z jednej strony pojawi się nowa usługa do sprzedania. Z drugiej system, który rejestruje anomalie od pierwszego dnia pracy, stanie się także rejestratorem błędów montażowych, a to właśnie jakość wykonania jest w większości analiz wskazywana jako główne źródło problemów, nie sama technologia PV.
I jeszcze jedno. Projekty badawcze finansowane z FENG mają obowiązek doprowadzić do wdrożenia. Jeśli zespół z Łodzi dowiezie działający prototyp, to za kilka lat będziemy mieli polską technologię bezpieczeństwa OZE gotową do sprzedaży za granicę. Bo problem, który próbują rozwiązać, nie jest w żadnym stopniu polską specjalnością.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym oficjalnego komunikatu Politechniki Łódzkiej z dnia 28.07.2026, materiałów projektowych Fabryki Bezpieczeństwa FABE oraz danych rynkowych zebranych przez GLOBENERGIA na podstawie biuletynu statystycznego Agencji Rynku Energii. Wykorzystano również publikacje Gramwzielone.pl, „Przeglądu Pożarniczego” wydawanego przez Komendę Główną Państwowej Straży Pożarnej oraz serwisu GeekWeek Interia. Dane o ryzyku pożarowym pochodzą z badań TÜV Rheinland, Fraunhofer ISE i Uniwersytetu RWTH w Akwizgranie, przywoływanych przez wymienione źródła. Cytat dr hab. inż. Ewy Raj, prof. uczelni, został zweryfikowany z oryginalnym komunikatem Politechniki Łódzkiej. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o postępach projektu i pierwszych wdrożeniach platformy predykcyjnej.
