KI-Methoden für Betrieb und Wartung von bifazialen PV-Anlagen

Description: Ziel des Projekts KIMBIF ist die Hochrechnung (Extrapolation) und Prognose (Forecast) der Erzeugungsleistung von Photovoltaik(PV)-Anlagen mit bifazialen PV-Modulen. Durch die Nutzung des auf der Rückseite einfallenden Lichts erreicht einen höheren Ertrag im Vergleich zu monofazialen Modulen. Die Einstrahlungsverhältnisse auf der Rückseite eines Modulfeldes sind jedoch so komplex, dass die Leistung einer solchen PV-Anlage mit rein physikalischen Modellen nicht mit vertretbarem Aufwand und der erforderlichen Genauigkeit aus den aktuellen Betriebsbedingungen abgeschätzt oder vorhergesagt werden kann Im Projekt werden daher datengetriebene Modelle mit Methoden der künstlichen Intelligenz (KI-Modelle) für Monitoring und Einspeisevorhersage von bifazialen PV-Systemen entwickelt und in einem großen, kommerziellen PV-Park zur Anwendung gebracht. Diese generischen Modelle sollen zum einen durch Mehrfachadaption die Extrapolation von einer begrenzten, detailliert vermessenen Referenzeinheit (PV-Modulstrang oder PV-Teilfeld) auf den gesamten PV-Park erlauben und zum anderen auf andere PV-Anlagen übertragbar sein. Dies beinhaltet auch Verfahren zur kontinuierlichen Adaptierung der KI-Modelle mittels Life-long Learning, um eine nahezu unmittelbare Nutzung nach dem Betriebsstart einer PV-Anlage mit einer limitierten Datenbasis sowie eine fortschreitend verbesserte Anpassung der KI-Modelle an das reale Betriebsverhalten zu ermöglichen. Die KI-Modelle werden zur Ermittlung der erwarteten aktuellen Leistungswerte für einen PV-Park, für die Anlagenüberwachung zur Fehlererkennung auf der Ebene der Teileinheiten und für die vorausschauende Wartungsplanung (predictive maintenance) eingesetzt. Des Weiteren wird mit dem Modell ein Leistungsvorhersagesystem (z.B. 24h-Forecast) unter Verwendung von Wetterprognosen für eine optimierte Betriebsführung des PV-Parks erstellt und im Betriebsleitsystem implementiert und erprobt.

SupportProgram

Origins: /Bund/UBA/UFORDAT

Tags: Photovoltaik ? Photovoltaikanlage ? Anlagenüberwachung ? Hochrechnung ? Künstliche Intelligenz ? Physikalisches Modell ? Wettervorhersage ?

Region: Baden-Württemberg

Bounding boxes: 9° .. 9° x 48.5° .. 48.5°

License: cc-by-nc-nd/4.0

Language: Deutsch

Organisations

• EnBW Energie Baden-Württemberg AG (Mitwirkende)
• Umweltbundesamt (Bereitsteller*in)
• Zentrum für Sonnenenergie- und Wasserstoff-Forschung Baden-Württemberg (Betreiber*in)

Time ranges: 2023-05-01 - 2026-04-30

Alternatives

• Language: Englisch/English
  Title: AI methods for operation and maintenance of bifacial PV systems
  Description: The aim of the KIMBIF project is to extrapolate and forecast the generation capacity of photovoltaic (PV) systems with bifacial PV modules. By using the light incident on the back side achieves a higher yield compared to monofacial modules. However, the irradiance conditions on the back side of a module array are so complex that the performance of such a PV system cannot be estimated or predicted from the actual operating conditions using purely physical models with reasonable effort and the required accuracy In the project, therefore, data-driven models using artificial intelligence (AI) models methods for monitoring and feed-in prediction of bifacial PV systems will be developed and applied to a large commercial PV park. On the one hand, these generic models should allow extrapolation from a limited, detailed measured reference unit (PV module string or PV sub-field) to the entire PV park through multiple adaptation, and on the other hand, they should be transferable to other PV systems. This also includes procedures for the continuous adaptation of the AI models by means of life-long learning, in order to enable an almost immediate use after the start of operation of a PV plant with a limited database as well as a progressively improved adaptation of the AI models to the real operating behavior. The AI models are used to determine expected current performance values for a PV park, for plant monitoring for fault detection at the sub-unit level, and for predictive maintenance planning. Furthermore, the model will be used to create a power prediction system (e.g. 24h forecast) using weather forecasts for optimized operation management of the PV park and will be implemented and tested in the operations control system. https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1119352

Status

Aktiv

Quality score

• Overall: 0.48
• Findability: 0.57

  • Title: 0.33
  • Description: 0.08
  • Identifier: false
  • Keywords: 1.00
  • Spatial: RegionIdentified (1.00)
  • Temporal: true
• Accessibility: 0.67

  • Landing page: Specific (1.00)
  • Direct access: false
  • Publicly accessible: true
• Interoperability: 0.00

  • Open file format: false
  • Media type: false
  • Machine-readable metadata: false
  • Machine-readable data: false
• Reusability: 0.67

  • License: ClearlySpecifiedAndFree (1.00)
  • Contact info: false
  • Publisher info: true

Accessed 1 times.