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.
moreMehr 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. |