Erhöhung der Stromrichte-Lebensdauer durch optimierte Komponenten-Optimierung mittels Digitaler KI Zwillinge, Teilvorhaben: Labortechnische Untersuchung und Digitalisierung der Stromrichter-Lebensdauer zur Anwendung robuster KI Regelung

Description: Während PV-Module in den vergangenen Jahren durch neue Materialien und Produktionsprozesse eine deutliche Steigerung ihrer Lebensdauer erfahren haben, konnten PV-Wechselrichter dieser Entwicklung bisher nicht im gleichen Maßstab folgen. Einer der Gründe dafür liegt in den vergleichsweise starken Unterschieden in der Belastung, die diese Stromrichter (SR) je nach Installationsort erfahren. Selbst zeitgleich und identisch produzierte Systeme, die an unterschiedlichen Orten installiert werden, können deutliche Unterschiede in ihrer Lebensdauer bzw. Nutzungszeit aufweisen. Da es jedoch bisher keine allgemeingültigen Modelle gibt, die die Alterung der SR-Komponenten in Abhängigkeit ihrer Betriebsbedingungen abbilden können, ist ein schonender Betrieb bei fortschreitender Alterung aktuell nicht umsetzbar bzw. nur durch einen pauschalen Sicherheitsfaktor möglich. Wäre es möglich, das Verhalten von SR-Komponenten unter Berücksichtigung ihrer historischen Belastung zu modellieren, so könnten die daraus gewonnenen Erkenntnisse in eine individuelle Betriebsstrategie einfließen, die das PV-System optimal ausnutzt, ohne Leistung oder Lebensdauer zu verschwenden. Dieses Ziel wird in PV4Life verfolgt. Anhand von Dauertests und zusätzlicher Sensorik werden geeignete Modelle für exemplarische PV-SR-Systeme entwickelt, die durch einen Abgleich mit einem zweiten Satz beschleunigt gealterter SR validiert, verbessert und generalisiert werden. Die daraus entstehenden digitalen Zwillinge sollen weitergehend in die Entwicklung einer KI-unterstützten Betriebsstrategie einfließen, die die Ausnutzung und Lebensdauer von SR optimiert, indem sie bei zunehmender Alterung die Betriebsparameter anpasst. Um diese neuartige Betriebsoptimierung sicher und resilient zu gestalten, wird die Implementierung der KI-Algorithmen direkt in den SR-Systemen untersucht. Mit diesem Ansatz wird die Sicherheit und Glaubwürdigkeit der KI-Algorithmen durch den Einsatz in einer geschützten Umgebung maßgeblich erhöht.

SupportProgram

Origins: /Bund/UBA/UFORDAT

Tags: Anlagenoptimierung ? Digitalisierung ? Produktionstechnik ? Modellierung ? Sensorische Bestimmung ? Digitaler Zwilling ?

Region: Hessen

Bounding boxes: 9° .. 9° x 50.55° .. 50.55°

License: cc-by-nc-nd/4.0

Language: Deutsch

Organisations

• Bundesministerium für Wirtschaft und Energie (Finanzielle Förderung)
• Fraunhofer-Institut für Energiewirtschaft und Energiesystemtechnik (Projektverantwortung)
• KACO new energy GmbH (Mitwirkung)
• Umweltbundesamt (Bereitstellung)

Time ranges: 2023-08-01 - 2026-07-31

Alternatives

• Language: Englisch/English
  Title: Subproject: Laboratory investigation and digitization of converter lifetime for the application of robust AI control
  Description: While PV modules have experienced a significant increase in their service life in recent years due to new materials and production processes, PV inverters have not yet been able to follow this development on the same scale. One of the reasons for this is the comparatively strong differences in the load experienced by these power converters (SR) depending on their installation location. Even systems produced at the same time and identically installed in different locations can show significant differences in their service life or utilization time. However, since there are currently no generally valid models that can depict the aging of SR components as a function of their operating conditions, gentle operation in the face of progressive aging cannot currently be implemented or can only be achieved by applying a flat-rate safety factor. If it were possible to model the behavior of SR components taking into account their historical load, the knowledge gained from this could be incorporated into an individual operating strategy that optimally utilizes the PV system without wasting power or lifetime. This is the goal being pursued in PV4Life. Using endurance tests and additional sensor technology, suitable models for exemplary PV SR systems are developed, which are validated, improved and generalized by matching them with a second set of accelerated aged SR. The resulting digital twins will further inform the development of an AI-assisted operational strategy that optimizes SR utilization and lifetime by adjusting operational parameters as SR ages. To make this novel operational optimization safe and resilient, the implementation of AI algorithms directly in SR systems will be investigated. This approach significantly increases the security and credibility of the AI algorithms by deploying them in a protected environment. https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1124093

Status

Aktiv

Quality score

• Overall: 0.51
• Findability: 0.70

  • Title: 1.00
  • Description: 0.21
  • 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.