Verbundprojekt Dig4morE
KI soll die Erträge von Solaranlagen optimieren
Mit künstlicher Intelligenz (KI) das Potenzial von Solaranlagen voll ausschöpfen: Das ist das Ziel des Projekts Dig4morE, an dem das Helmholtz-Institut Erlangen-Nürnberg sowie die Photovoltaik-Unternehmen Sunsniffer, Aquila Capital sowie Sunset Energietechnik beteiligt sind.
Mithilfe des maschinellen Lernens wollen die Forscher in Dig4morE Leistungsdefizite und Defekte frühzeitig erkennen. Möglich machen soll dies ein neues Verfahren, mit dem sich Leistungsdefizite unmittelbar an Ort und Stelle direkt aus den Monitoring-Daten der Einzelmodule herauslesen lassen sollen. 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 Dr. Claudia Buerhop-Lutz vom Helmholtz-Institut Erlangen-Nürnberg, einer Einrichtung des Forschungszentrums Jülich. Die Algorithmen müssen dabei 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«, erklärt Dr. Claudia Buerhop-Lutz.
Mit moderner Messtechnik ist es heute prinzipiell 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.
Prof. Brabec, Leiter der Abteilung Hochdurchsatzmethoden in der Photovoltaik, betont: »Wir sehen die Verwendung von Hochdurchsatz-Messmethoden als Schlüsseltechnologie zum nachhaltigen Betrieb von Solarparks. 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.«
Lesen Sie mehr zum Thema
Das könnte Sie auch interessieren
Farbstoffsolarzelle aus Hibiskusblüten
Ungiftig und wiederverwendbar
Eine Fläche – zweifache Nutzung
Agri-Photovoltaik: Ernte und Strom vom Acker
KI in der Energiewirtschaft
Firmen haben positive Einstellung, sehen aber auch…
Vom Labor in die Fabrik
Tandemsolarzelle mit Rekordwirkungsgrad
2021 über 140.000 neue Heimspeicher
Energiekrise lässt Solarspeicher in Deutschland…
