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

Kurzbeschreibung des Projektes Kick-PV in Förderung durch die Bayerische Forschungsstiftung

Im Projekt „Kick-PV“ werden vier verschiedene Verfahren für eine vorwiegend ferndiagnostische Inspektion photovoltaischer Kraftwerke entwickelt. Es werden einige Pakete von Demonstrator-Software für die Ferndiagnostik geschaffen, welche Algorithmen der Künstlichen Intelligenz und des Maschinellen Lernens enthalten. Weiterhin wird ein mobiles Labor aufgebaut, basierend auf allgemein verfügbarer Messtechnik und im Projekt entwickelter Demonstrator-Software, welches der Vor-Ort-Diagnose von Fehlern und Degradationsszenarien und der Kalibrierung dient.

Die Motivation für das Projekt ergibt sich aus der Notwendigkeit, Einspeiseausfälle von PV-Anlagen vorausschauend zu vermeiden, gemäß dem wünschenswerten Konzept der prädiktiven Wartung. Derzeitig verfügbare Verfahren zur ferndiagnostischen Leistungs- und Ertragsbewertung bzw. zur Identifikation von Fehlern und Degradationstypen arbeiten entweder zu langsam oder sind nicht hinreichend präzise.

Nach erfolgreicher Bearbeitung des Projektes werden zukünftig Leistungseinbrüche in Teilen von PV-Kraftwerken sehr früh in Stärke und Ursache erkannt, was PV-Anlagen-Betreiber sicher vor finanziellen Schäden schützen wird. Das Projekt unterstützt den Ansatz, eine kalkulierbare und stabile Erzeugung von elektrischer Energie durch Photovoltaik zu erreichen und somit die Versorgungssicherheit zukünftiger regenerativer Energiesysteme zu erhöhen.

1

Verbesserte Clear-Sky-Erkennung durch hybrides Maschinelles Lernen

Schönau, Maximilian; Daume, Darwin; Panhuysen, Markus; Schulze, Achim...

7. Regenerative Energietechnik Konferenz in Nordhausen (RET.Con) 7. RET.Con, 2024 (7), S. 145-152.


 

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.

more


Projektleitung

Prof. Dr. Dieter Landes
T 09561317177
dieter.landes[at]hs-coburg.de

ORCID iD: 0000-0002-0741-3540


Prof. Dr. Bernd Hüttl
T 09561317202
bernd.huettl[at]hs-coburg.de

Projektbearbeitung

Darwin Daume
T +49 9561 317 690
Darwin.Daume[at]hs-coburg.de

Maximilian Schönau
T +49 9561 317
Maximilian.Schoenau[at]hs-coburg.de

Project duration

2023-05-01 - 2026-04-30

Project partners

smartblue AG

Project funding

Bayerische Forschungsstiftung

Funding programme

Bayerische Forschungsstiftung - Projektförderung

Sustainable Development Goals

KI-basierte Charakterisie-rung und Klassifizierung von PV-Anlagen zur prädiktiven Wartung – Kick-PV

Die Motivation für das Projekt Kick-PV ergibt sich aus der Notwendigkeit, Einspeiseausfälle von PV-Anlagen vorausschauend zu vermeiden. Im Vorhaben werden verschiedene Verfahren für eine vorwiegend ferndiagnostische In-spektion photovoltaischer Kraftwerke entwickelt, darunter einige Pakete von Demonstrator-Software für die Ferndiagnostik, die Algorithmen der Künstlichen Intelligenz und des Maschinellen Lernens enthalten. Weiterhin wird ein mobiles Labor aufgebaut, basierend auf verfügbarer Messtechnik und im Projekt entwickelter Demonstrator-Software, das unter anderem der Vor-Ort-Diagnose von Fehlern und Degradationsszenarien dient.
Nach erfolgreichem Projektabschluss werden zukünftig Leistungseinbrüche in Teilen von PV-Kraftwerken sehr früh in Stärke und Ursache erkannt, was PV-Anlagen-Betreiber vor finanziellen Schäden schützen wird. Das Projekt trägt zudem dazu bei, eine kalkulierbare und stabile Erzeugung von elektrischer Energie durch Photovoltaik zu erreichen und somit die Versorgungssicherheit zukünftiger regenerativer Energiesysteme zu erhöhen. (Pressemitteilung Nr. 01/23 der Bayerischen Forschungsstiftung, 27.03.2023)