An einer KI-basierten Ferndiagnose von PV-Anlagen arbeiten Forschende der Hochschulen Coburg und Rosenheim zusammen mit einem Münchner Softwarehaus.

 

Nahezu die Hälfte der Strommenge in Deutschland kam im vergangenen Jahr aus erneuerbaren Energieanlagen. 2030 sollen nach dem Willen der Bundesregierung mindestens 80 Prozent des verbrauchten Stroms aus Erneuerbaren stammen. Jedoch: Je nach Wetter, Jahres- und Tageszeit schwankt insbesondere bei Photovoltaik-Anlagen die Stromausbeute erheblich. "Wir brauchen eine kalkulierbare, stabile Erzeugung und verlässliche Prognosen darüber, wie viel Energie wann und wo produziert wird. Mögliche Ausfälle müssen frühzeitig erkannt und vermieden werden", fordert Prof. Dr. Bernd Hüttl. An der Hochschule Coburg forscht der Professor für Erneuerbare Energien seit Jahren zu Photovoltaik als Teil der Energiewende.

Diese Herausforderung ist der Ansatzpunkt für ein gestartetes Forschungsprojekt, in dem die Hochschule Coburg, die Technische Hochschule Rosenheim und der Münchner Softwareentwickler "smartblue AG" zusammenarbeiten. Da man die in Deutschland dezentral verbreiteten PV-Anlagen schlecht im Auge behalten kann, forschen die Partner an einem smarten Tool zur Diagnose und Wartung aus der Ferne. Ihr Projekt "Kick-PV" steht für "KI-basierte Charakterisierung und Klassifizierung von PV-Anlagen zur prädiktiven Wartung". 

Die Grundthese der Partner: Künftige regenerative Energiesysteme sind mithilfe von Künstlicher Intelligenz (KI) in ihrem Stromertrag deutlich berechenbarer. Stärke und Ursache von Leistungseinbrüchen in Teilen von PV-Anlagen können früher erkannt und behoben werden. 

Analyse von riesigen Datenmengen

Die KI soll dabei helfen, die Masse an zu sammelnden Daten, die aus unterschiedlichen Quellen kommen, auszuwerten. "Da sind die Messwerte der Anlage selbst und der Nachbaranlagen, Wetterdaten und beispielsweise Satellitenaufnahmen, die zeigen, ob Schnee oder Schmutz auf der Anlage vielleicht die Leistung beeinträchtigen", zählt Prof. Dr. Dieter Landes, an der Hochschule Coburg Professor für Künstliche Intelligenz und Data Stream Mining, auf. Data Stream Mining bezeichnet den Prozess der Extraktion von Wissen aus kontinuierlichen, schnellen Datensätzen, die dem System in einem Strom zugeführt werden.

Für KI-Verfahren sei es nicht schwer, auch in riesigen Datenpools Muster ausfindig zu machen, so Landes. Diese Muster in einen sinnvollen Zusammenhang für die Analyse der PV-Anlagen zu setzen, sei ein weiterer Schritt, dem sich Doktorand Maximilian Schönau widmet. An der Hochschule Coburg hat er jüngst seinen Master in Elektrotechnik abgeschlossen und sich mit physikalischen Grundlagen von PV-Zellen beschäftigt. Im Rahmen seiner Promotion forscht er an den Möglichkeiten der Datenanalyse durch KI. Zugleich ist er die Schnittstelle zum Industriepartner, Smartblue, der mit Sitz in München smarte Lösungen für das Monitoring von PV-Anlagen liefert.

Landes erklärt hierzu: "Draußen im Feld haben wir die Umgebungsbedingungen nicht unter Kontrolle. Um das zu analysieren, bekommen wir die Daten von Smartblue." Zudem arbeiten die Partner an einem mobilen Labor, das direkt bei den PV-Anlagen vor Ort über eine speziell adaptiere Kamera, die Elektrolumineszenz − kurz EL − der Photovoltaikzellen sichtbar machen und Schäden ermitteln soll. EL ist eine Form der Lumineszenz, bei der ein Festkörper durch Anlegen einer elektrischen Spannung dazu angeregt wird, elektromagnetische Strahlung, etwa in Form von Licht, zu emittieren. 

Die Bayerische Forschungsstiftung fördert das Projekt mit 851.000 Euro. Das Projektvolumen geben die Partner mit 1,4 Millionen Euro an.