KI-basierte Charakterisierung und Klassifizierung von PV-Anlagen zur prädiktiven Wartung

Die zunehmende Bedeutung der Photovoltaik für die deutsche Energieversorgung erfordert eine zuverlässige und effiziente Leistungsverifizierung, um mögliche Ertragseinbußen zu minimieren. Smart-Wechselrichter mit integrierten Ferndiagnosefunktionen bieten eine vielversprechende Lösung für die Überwachung und Optimierung des Anlagenbetriebs.

 Dieser Beitrag stellt einen speziell entwickelten Messaufbau vor, der die Überprüfung der Messfähigkeit von Smart-Wechselrichtern ermöglicht, insbesondere in Hinblick auf die Messung von Strom-Spannungs-Kennlinien (IU-Kennlinien). Der Fokus der Untersuchung liegt auf der Analyse der Messunsicherheit gemessener Leistungsmaxima durch Referenzieren auf kalibrierte IU-Kennlinienschreiber.

 Die durchgeführten Vergleichsmessungen liefern zufriedenstellende Ergebnisse und zeigen einen Trend zu geringen Messunsicherheiten für höhere Bestrahlungsstärken. Dies bestätigt das Potenzial von Smart-Wechselrichtern für die Leistungsüberwachung von Photovoltaikanlagen und unterstreicht den Nutzen für die Optimierung des Anlagenbetriebs.

Die präzise Erkennung von Clear-Sky-Momenten ist für die Überwachung und Effizienzana-lyse von Photovoltaikanlagen von zentraler Bedeutung, da zu diesen Zeitpunkten definierte und model-lierbare Einstrahlungsverhältnisse herrschen. Es wird ein hybrides Modell zur verbesserten Erkennung von Clear-Sky-Momenten auf Basis von Einstrahlungsdaten vorgestellt. Hierfür wurden zunächst ma-nuell, dann mithilfe eines CNNs Merkmale aus den Einstrahlungsdaten gebildet. Eine Falls tudie mit Referenzdaten belegt, dass durch die Kombination dieser wissens-und datengetriebenen Methoden Clear-Sky-Momente zuverlässiger identifiziert werden können. Dadurch können Analysemethoden schneller und zuverlässiger Aussagen über die untersuchten PV-Anlagen treffen.