Erträ­ge von Solar­an­la­gen durch KI verbessern

Das über­ge­ord­ne­te Ziel des Ver­bund­pro­jekts Dig4morE ist es, mit künst­li­cher Intel­li­genz (KI) das Poten­zi­al von Solar­an­la­gen voll aus­zu­schöp­fen. Die­sem Ziel gehö­ren das Helm­holtz-Insti­tut Erlan­gen-Nürn­berg und die Pho­to­vol­ta­ik-Unter­neh­men Suns­nif­fer, Aqui­la Capi­tal sowie Sun­set Ener­gie­tech­nik an. Die Pro­jekt­part­ner wol­len eine Metho­dik ent­wi­ckeln, die mit­tels KI schnell und kos­ten­güns­tig geeig­ne­te Maß­nah­men zur Opti­mie­rung der Anla­gen vor­schlägt. Die Aus­wer­tung benö­tigt ledig­lich Moni­to­ring-Daten, die im lau­fen­den Betrieb anfal­len. Das Bun­des­mi­nis­te­ri­um für Wirt­schaft und Ener­gie (BMWi) för­dert das Vor­ha­ben mit über 2 Mil­li­on Euro über eine Lauf­zeit von drei Jahren.
Mit­hil­fe des maschi­nel­len Ler­nens wol­len die For­schen­den Leis­tungs­de­fi­zi­te und Defek­te früh­zei­tig erken­nen. Mög­lich wer­den soll dies durch ein neu­es Ver­fah­ren, das es mög­lich macht, Per­for­mance-Defi­zi­te ‚in-situ‘, also unmit­tel­bar an Ort und Stel­le, direkt aus den Moni­to­ring-Daten der Ein­zel­mo­du­le her­aus­zu­le­sen. 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. Die Algo­rith­men müs­sen so trai­niert sein, dass sie ver­schie­de­ne Defi­zi­te anhand grund­le­gen­der Daten wie Strom, Span­nung und Tem­pe­ra­tur aus­ein­an­der­hal­ten können.“
—  Dr. Clau­dia Bue­r­hop-Lutz vom Helm­holtz-Insti­tut Erlangen-Nürnberg

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.“