16.03.2022 • Energie

Mit künstlicher Intelligenz die Erträge von Solaranlagen verbessern

Verbundprojekts soll Methodik entwickeln, die mittels KI Maßnahmen zur Optimierung der Anlagen vorschlägt.

Mit künstlicher Intelligenz das Potenzial von Solaranlagen voll ausschöpfen: Das ist das über­geordnete Ziel des Verbund­projekts Dig4morE, dem das Helmholtz-Institut Erlangen-Nürnberg und die Photo­voltaik-Unter­nehmen Sunsniffer, Aquila Capital und Sunset Energie­technik angehören. Die Projekt­partner wollen eine Methodik entwickeln, die mittels KI schnell und kosten­günstig geeignete Maßnahmen zur Optimierung der Anlagen vorschlägt. Die Auswertung benötigt lediglich Monitoring-Daten, die im laufenden Betrieb anfallen. Das Bundes­ministerium für Wirtschaft und Energie fördert das Vorhaben mit über zwei Million Euro über eine Laufzeit von drei Jahren.

Abb.: Solaranlage: Mithilfe des maschi­nellen Lernens wollen die Forscher...
Abb.: Solaranlage: Mithilfe des maschi­nellen Lernens wollen die Forscher Leistungs­defizite und Defekte früh­zeitig er­kennen. (Bild: S. Kreklau, FZ Jülich)

Mithilfe des maschinellen Lernens wollen die Forscher Leistungs­defizite und Defekte früh­zeitig erkennen. Möglich werden soll dies durch ein neues Verfahren, das es möglich macht, Performance-Defizite in-situ direkt aus den Monitoring-Daten der Einzelmodule heraus­zu­lesen. Für die Entwicklung der Algorithmen stellen Sunsniffer, Aquila Capital und Sunset Energie­technik Daten von insgesamt elf ihrer Solarparks zur Verfügung, die über ganz Europa verteilt sind.

Die ausgedehnten Untersuchungen über den gesamten Kontinent tragen den unter­schied­lichen Betriebs­bedingungen Rechnung, die in den relevanten Klimazonen vorherrschen. Je nach Anlagentyp und Umgebung liegen unter­schiedliche Problem­felder für die Solar­module vor. „Im mittel­deutschen Hessen spielen andere Faktoren eine Rolle als an der portugie­sischen Westküste, wo die starken Winde die Module zum Schwingen bringen“, erläutert Claudia Buerhop-Lutz vom Helmholtz-Institut Erlangen-Nürnberg, einer Einrichtung des Forschungs­zentrums Jülich. „Die Algorithmen müssen so trainiert sein, dass sie verschiedene Defizite anhand grund­legender Daten wie Strom, Spannung und Temperatur ausein­ander­halten können.“

Gegen Ende des Jahres sollen erste Ergebnisse vorliegen, aus denen sich dann Best-Practice-Beispiele und Handlungs­empfehlungen ableiten lassen. Betreiber können diese dann nutzen, um Defizite und Defekte schon in einem frühen Stadium zu erkennen – beispiels­weise um Wartungs­arbeiten wie Reinigungs­maßnahmen wirt­schaftlich planen zu können.

Wie groß der Optimierungs­bedarf ist, hat eine frühere Studie des Helmholtz-Instituts Erlangen-Nürnberg gezeigt. Rund acht Prozent der europäischen Solarmodule laufen demnach nicht bei voller Leistung. „Neben falsch einge­stellten oder defekten Modulen können auch Umwelt­einflüsse wie Staub, Pollen, Vogeldreck oder hochwachsende Bäume und Gräser dazu führen, dass die Anlagen weniger Strom liefern als eigentlich möglich wäre“, so Buerhop-Lutz.

Mit moderner Messtechnik ist es heute zwar schon möglich, fehlerhafte und nicht voll ausgelastete Module aufzuspüren, beispiels­weise durch thermo­grafische Analysen. Doch die Verfahren sind teuer und aufwändig. Die Untersuchung großflächiger Solarparks wird in der Regel mit Drohnen aus der Luft vorgenommen. Die Einführung von KI-Mess­instru­menten wie in Dig4more soll dagegen kosten­günstigere und umfassendere Analyse ermöglichen.

„Wir sehen die Verwendung von Hoch­durch­satz-Mess­methoden als Schlüssel­techno­logie zum nachhaltigen Betrieb von Solarparks“, beton Christoph Brabec, Leiter der Abteilung Hoch­durch­satz­methoden in der Photo­voltaik am Helmholtz-Institut Erlangen-Nürnberg. „Erst durch die Kombination von Messtechnik, mit der sich große Mengen von Solarmodulen schnell charakte­ri­sieren lassen, und künstlicher Intelligenz kann man die best­möglichen Erträge und Lang­lebig­keit für Solar­felder sichern.“

FZ Jülich / RK

Weitere Infos

 

Sonderhefte

Physics' Best und Best of
Sonderausgaben

Physics' Best und Best of

Die Sonder­ausgaben präsentieren kompakt und übersichtlich neue Produkt­informationen und ihre Anwendungen und bieten für Nutzer wie Unternehmen ein zusätzliches Forum.

Weiterbildung

Weiterbildungen im Bereich Quantentechnologie
TUM INSTITUTE FOR LIFELONG LEARNING

Weiterbildungen im Bereich Quantentechnologie

Vom eintägigen Überblickskurs bis hin zum Deep Dive in die Technologie: für Fach- & Führungskräfte unterschiedlichster Branchen.

Meist gelesen

Themen