Verbesserte Clear-Sky-Erkennung durch hybrides Maschinelles Lernen

Abstract

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

Mehr zum Titel

Titel Verbesserte Clear-Sky-Erkennung durch hybrides Maschinelles Lernen
Medien 7. Regenerative Energietechnik Konferenz in Nordhausen (RET.Con)
Verlag Institut für Regenerative Energietechnik Prof. Dr.-Ing. Viktor Wesselak Hochschule Nordhausen Weinberghof 4, 99734 Nordhausen
Heft 7
Band 7. RET.Con, 2024
ISBN ISBN 978-3-940820-23-5
Verfasser/Herausgeber Maximilian Schönau, Darwin Daume, Markus Panhuysen, Achim Schulze, Prof. Dr. Dieter Landes
Seiten 145-152
Veröffentlichungsdatum 2024-02-09
Projekttitel Kick-PV
Zitation Schönau, Maximilian; Daume, Darwin; Panhuysen, Markus; Schulze, Achim; Landes, Dieter (2024): Verbesserte Clear-Sky-Erkennung durch hybrides Maschinelles Lernen. 7. Regenerative Energietechnik Konferenz in Nordhausen (RET.Con) 7. RET.Con, 2024 (7), S. 145-152.