Die Kombination von Messtechnik und künstlicher Intelligenz soll bestmögliche Erträge und Langlebigkeit für Solarfelder sichern. (Bild: Forschungszentrum Jülich/Sascha Kreklau )
Mit künstlicher Intelligenz (KI) das Potenzial von Solaranlagen voll ausschöpfen: Das ist das übergeordnete Ziel des Verbundprojekts Dig4more, dem das Helmholtz-Institut Erlangen-Nürnberg und die Photovoltaik-Unternehmen Sunsniffer, Aquila Capital sowie Sunset Energietechnik angehören. Die Projektpartner wollen eine Methodik entwickeln, die mithilfe von KI schnell und kostengünstig geeignete Maßnahmen zur Optimierung der Anlagen vorschlägt. Die Auswertung benötigt lediglich Monitoring-Daten aus dem laufenden Betrieb. Das Bundesministerium für Wirtschaft und Energie (BMWi) fördert das Vorhaben mit über 2 Millionen Euro über eine Laufzeit von drei Jahren.
Mithilfe maschinellen Lernens wollen die Forschenden Leistungsdefizite und Defekte frühzeitig erkennen. Dazu dient ein neues Verfahren, mit dem sich Defizite an Ort und Stelle direkt aus den Monitoring-Daten der Einzelmodule herauslesen lassen. Für die Entwicklung der Algorithmen stellen die Unternehmen Daten von insgesamt elf Solarparks zur Verfügung, die über ganz Europa verteilt sind.
Erste Ergebnisse gegen Jahresende
Die ausgedehnten Untersuchungen über den gesamten Kontinent tragen den unterschiedlichen Betriebsbedingungen in den relevanten Klimazonen Rechnung. So spielen etwa im mitteldeutschen Hessen andere Faktoren eine Rolle als an der portugiesischen Westküste, wo starke Winde die Module zum Schwingen bringen. Die Algorithmen müssen so trainiert sein, dass sie Defizite anhand grundlegender Daten wie Strom, Spannung und Temperatur auseinanderhalten können. Gegen Ende des Jahres sollen erste Ergebnisse vorliegen, aus denen sich Best-Practice-Beispiele und Handlungsempfehlungen ableiten lassen. Betreiber können diese dann nutzen, um Defizite und Defekte schon früh zu erkennen – beispielsweise um Wartungsarbeiten 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. Moderne Messtechnik kann heute prinzipiell zwar schon fehlerhafte und nicht voll ausgelastete Module aufspüren, etwa durch thermografische Analysen. Doch diese Verfahren sind teuer und aufwendig. Die Untersuchung großflächiger Solarparks erfolgt in der Regel mit Drohnen aus der Luft. Die Einführung von KI-Messinstrumenten soll dagegen kostengünstigere und umfassendere Analyse ermöglichen.
