Metall-Halogenid Perowskite werden als eine herausragende Materialklasse in der Photovoltaik für zukünftige Hocheffizienz-Solarzellen angesehen, weil diese kostengünstig und skalierbar mit der bewährten Silizium Technologie in Tandemsolarzellen kombiniert werden können. Seit 2015 werden solche Tandemsolarzellen intensiv erforscht und gerade in den letzten Jahren gab es immensen Wissenszuwachs und Entwicklungserfolge. So können im Labormaßstab heutzutage weit über 30 % Energieausbeute erzielt werden. Allerdings werden diese Ergebnisse noch vorwiegend mit Silizium Heterokontakt Bottomzellen erzielt, die nur einen kleinen Marktanteil besitzen. Einige Teams aus Wissenschaft und Industrie, darunter auch die Antragsteller im vorherigen Projekt PeroQ, konnten aber auch erstaunliche Wirkungsgradsteigerungen für Perowskit/Silizium Tandemsolarzellen auf Basis von PERx/TopCon Bottomzellen zeigen. Zum Beispiel wurde eine Tandemzelle auf einer Q.ANTUM Bottomzelle mit einem Wirkungsgrad von 28,7 % demonstriert, was das hohe Potential dieser massenmarkttauglichen Technologie demonstriert. Ziel in diesem Folgeprojekt PeroQ-2 ist es nun, den in PeroQ gelegten Grundstein für die Perowskit/Silizium Tandemtechnologie auf Q.ANTUM (NEO) Bottomzellen weiter auszubauen und auf ein höheres Technology readiness level (TRL) zu heben. Dies wird durch den Einsatz von massenfertigungstauglichen Prozessen und Materialien (Ko-Verdampfen des Perowskit-Absorbers), der Skalierung der Zellfläche auf eine volle Waferfläche (M6 und M10), hinreichende Langzeitstabilitäten und der Erforschung von Verlustmechanismen realisiert. Um die Grundlage für weitere Leistungs- und Stabilitätsverbesserungen zu legen, unterstützt die Uni Potsdam das Projekt durch den Einsatz und die Entwicklung von innovativen Charakterisierungsmethoden die eine globale Analyse der Verlustmechanismen ermöglichen. Als Ziel strebt das Konsortium Qcells, HZB und Uni Potsdam eine Tandemeffizienz von 28 % auf voller Waferfläche an.
Im Vergleich zu fossilen Energien greifen erneuerbare Energien wesentlich geringer in geologische und biologische Strukturen an Land und auf See ein, beanspruchen aber dezentral viel bzw. spezifisch geeignete Fläche. Da die zur Energieproduktion verfügbare Fläche qualitativ und quantitativ begrenzt ist, gehören zum künftigen Energiemix auch flächenextensive Technologien, die besonders wenig - etwa zur Nahrungsproduktion geeignete - Fläche beanspruchen, Teil einer Mehrfachnutzung sind oder für klassische Bauformen ungeeignete Standorte nutzen können. Eine dieser flächenextensiven und standortflexiblen Technologien ist die Airborne Wind Energie (AWE) - Höhenwindenergieanlagen. Als bislang im Raum weitgehend unbekannte Technologie stellt sich trotz, möglicherweise aber auch gerade wegen ihrer besonders extensiven Rauminanspruchnahme Fragen zur künftigen gesellschaftlichen Akzeptanz dieser Technologie. Dabei spielen, neben vermitteltem Wissen und rationalen Argumenten auch visuelle und akustische Wahrnehmungen, ästhetische Empfindungen und Beurteilungen sowie soziale Diskurse und Narrative eine akzeptanzbeeinflussende Rolle. In diesem Vorhaben werden für verschiedene Designvarianten der AWE Systeme, unter Berücksichtigung der optimalen Energieausbeute, die audiovisuellen Emissionen in Abhängigkeit der vielfältigen Design- und Umwelteinflüsse identifiziert und modelliert. Durch die Erweiterung bestehender Simulationsumgebungen für AWE Systeme mit diesen Emissionsmodellen wird eine ganzheitliche Analyse und Bewertung der Technologie hinsichtlich des potentiellen Beitrags zur Energiewende und gleichzeitig der, durch die lokalen Topographie- und Wetterbedingungen bedingten, Emissionswirkungen ermöglicht. Diese physikalische Simulation dient als Grundlage für die räumliche und energetische Bilanzierung von AWE Systemen, sowie für die mediale Visualisierungssimulation, welche ein Kernelement des Gesamtvorhabens darstellt und für die empirische Befragung genutzt werden soll.
Zur Erreichung der von der Bundesregierung gesteckten Ausbauziele in der Windenergie ist die Erschließung einer Vielzahl neuer Flächen für Windparks in kurzer Zeit erforderlich. Grundlage für die Windparkplanung an einem neuen Standort ist die Abschätzung der zu erwartenden Energieerträge sowie die Auswahl geeigneter Windenergieanlagen. Derzeit ist die Ertragsabschätzung mit hohen Unsicherheiten behaftet. Zudem ist sie aufgrund der aktuell erforderlichen, einjährigen Windmessung zeit- und kostenintensiv. Ziel des Projektes ist es deshalb, durch Verbesserungen entlang der gesamten Prozesskette qualitativ bessere Ertragsabschätzungen in kürzerer Zeit und zu deutlich geringeren Kosten zu ermöglichen. Für die Zielerreichung werden Verfahren entwickelt, die eine bessere Datengrundlage für die Windbranche liefern. Darüber hinaus werden an verschiedenen Stellen innovative Verfahren aus dem Bereich der Data Science wie maschinelles Lernen oder Modellensembles verwendet, um eine genaue Abschätzung der Energieerträge in kürzerer Zeit zu ermöglichen. Das Zusammenführen der verschiedenen Verfahren und Daten zu einem Gesamtprozess ermöglicht neben der Qualitätssteigerung einen hohen Grad an Automatisierung von Ertragsgutachten. Letztendlich schafft das Projekt damit die Grundlage für eine Senkung der Projektrisiken für Planer und Projektierer. Darüber hinaus können die entwickelten Verfahren auch für genauere regionale Potenzialabschätzungen verwendet werden und so einen Beitrag zur besseren Planung des Windenergieausbaus leisten. anemos ist in dem Verbundprojekt maßgeblich an der Automatisierung des Gesamtprozesses beteiligt. Wissenschaftlich wird anemos ein Verfahren zur Bestimmung der standortspezifischen Leistungskennlinie und zeitreihenabhängige Verlustmodelle für verbesserte Ertragsabschätzungen entwickeln. Außerdem wird anemos die Datengrundlage im Hinblick auf den Langzeitbezug von Kurzzeitmessungen auf relevante saisonale Abweichungen analysieren und korrigieren.
Zur Erreichung der von der neuen Bundesregierung gesteckten Ausbauziele in der Windenergie ist die Erschließung einer Vielzahl neuer Flächen für Windparks in kurzer Zeit erforderlich. Grundlage für die Windparkplanung an einem neuen Standort ist die Abschätzung der zu erwartenden Energieerträge sowie die Auswahl geeigneter Windenergieanlagen. Derzeit ist die Ertragsabschätzung mit hohen Unsicherheiten behaftet. Zudem ist sie insbesondere aufgrund der aktuell erforderlichen, einjährigen Windmessung zeit- und kostenintensiv. Ziel des Projektes ist es deshalb, durch Verbesserungen entlang der gesamten Prozesskette qualitativ bessere Ertragsabschätzungen in kürzerer Zeit und zu deutlich geringeren Kosten zu ermöglichen. Für die Zielerreichung werden Verfahren entwickelt, die eine bessere Datengrundlage (z.B.Reanalysen, Rauhigkeitsdaten) für die Windbranche liefern. Darüber hinaus werden an verschiedenen Stellen innovative Verfahren aus dem Bereich der Data Science wie maschinelles Lernen oder Modellensembles verwendet, um eine genaue Abschätzung der Energieerträge in kürzerer Zeit zu ermöglichen. Das Zusammenführen der verschiedenen Verfahren und Daten zu einem Gesamtprozess ermöglicht neben der Qualitätssteigerung einen hohen Grad an Automatisierung von Ertragsgutachten. Letztendlich schafft das Projekt damit die Grundlage für eine Senkung der Projektrisiken für Planer und Projektierer. Darüber hinaus können die entwickelten Verfahren auch für genauere regionale Potenzialabschätzungen verwendet werden und so einen Beitrag zur besseren Planung des Windenergieausbaus leisten. Das Fraunhofer IEE koordiniert das Verbundprojekt. Wissenschaftlich fokussiert sich das Fraunhofer IEE im Rahmen ihrer Forschungsarbeiten auf die Entwicklung von Verfahren zur Detektion von Rauhigkeitsänderungen auf Basis von Erdbeobachtungsdaten und entwickelt zeitreihenabhängige Verlustmodelle für verbesserte Ertragsabschätzungen.
Zur Erreichung der von der neuen Bundesregierung gesteckten Ausbauziele in der Windenergie ist die Erschließung einer Vielzahl neuer Flächen für Windparks in kurzer Zeit erforderlich. Grundlage für die Windparkplanung an einem neuen Standort ist die Abschätzung der zu erwartenden Energieerträge sowie die Auswahl geeigneter Windenergieanlagen. Derzeit ist die Ertragsabschätzung mit hohen Unsicherheiten behaftet. Zudem ist sie insbesondere aufgrund der aktuell erforderlichen, einjährigen Windmessung zeit- und kostenintensiv. Ziel des Projektes ist es deshalb, durch Verbesserungen entlang der gesamten Prozesskette qualitativ bessere Ertragsabschätzungen in kürzerer Zeit und zu deutlich geringeren Kosten zu ermöglichen. Für die Zielerreichung werden Verfahren entwickelt, die eine bessere Datengrundlage (z.B.Reanalysen, Rauhigkeitsdaten) für die Windbranche liefern. Darüber hinaus werden an verschiedenen Stellen innovative Verfahren aus dem Bereich der Data Science wie maschinelles Lernen oder Modellensembles verwendet, um eine genaue Abschätzung der Energieerträge in kürzerer Zeit zu ermöglichen. Das Zusammenführen der verschiedenen Verfahren und Daten zu einem Gesamtprozess ermöglicht neben der Qualitätssteigerung einen hohen Grad an Automatisierung von Ertragsgutachten. Letztendlich schafft das Projekt damit die Grundlage für eine Senkung der Projektrisiken für Planer und Projektierer. Darüber hinaus können die entwickelten Verfahren auch für genauere regionale Potenzialabschätzungen verwendet werden und so einen Beitrag zur besseren Planung des Windenergieausbaus leisten. Die Universität Kassel fokussiert sich im Rahmen ihrer Forschungsarbeiten auf die Entwicklung von Verfahren zur Langzeitkorrektur von Kurzzeitwindmessungen mittels Methoden von künstlicher Intelligenz und die verbesserte Abschätzung der Designwindbedingungen.
Zur Erreichung der von der neuen Bundesregierung gesteckten Ausbauziele in der Windenergie ist die Erschließung einer Vielzahl neuer Flächen für Windparks in kurzer Zeit erforderlich. Grundlage für die Windparkplanung an einem neuen Standort ist die Abschätzung der zu erwartenden Energieerträge sowie die Auswahl geeigneter Windenergieanlagen. Derzeit ist die Ertragsabschätzung mit hohen Unsicherheiten behaftet. Zudem ist sie insbesondere aufgrund der aktuell erforderlichen, einjährigen Windmessung zeit- und kostenintensiv. Ziel des Projektes ist es deshalb, durch Verbesserungen entlang der gesamten Prozesskette qualitativ bessere Ertragsabschätzungen in kürzerer Zeit und zu deutlich geringeren Kosten zu ermöglichen. Für die Zielerreichung werden Verfahren entwickelt, die eine bessere Datengrundlage (z.B.Reanalysen, Rauhigkeitsdaten) für die Windbranche liefern. Darüber hinaus werden an verschiedenen Stellen innovative Verfahren aus dem Bereich der Data Science wie maschinelles Lernen oder Modellensembles verwendet, um eine genaue Abschätzung der Energieerträge in kürzerer Zeit zu ermöglichen. Das Zusammenführen der verschiedenen Verfahren und Daten zu einem Gesamtprozess ermöglicht neben der Qualitätssteigerung einen hohen Grad an Automatisierung von Ertragsgutachten. Letztendlich schafft das Projekt damit die Grundlage für eine Senkung der Projektrisiken für Planer und Projektierer. Darüber hinaus können die entwickelten Verfahren auch für genauere regionale Potenzialabschätzungen verwendet werden und so einen Beitrag zur besseren Planung des Windenergieausbaus leisten. Das Fraunhofer IEE koordiniert das Verbundprojekt. Wissenschaftlich fokussiert sich das Fraunhofer IEE im Rahmen ihrer Forschungsarbeiten auf die Entwicklung von Verfahren zur Detektion von Rauhigkeitsänderungen auf Basis von Erdbeobachtungsdaten und entwickelt zeitreihenabhängige Verlustmodelle für verbesserte Ertragsabschätzungen.
| Origin | Count |
|---|---|
| Bund | 284 |
| Type | Count |
|---|---|
| Förderprogramm | 284 |
| License | Count |
|---|---|
| offen | 284 |
| Language | Count |
|---|---|
| Deutsch | 276 |
| Englisch | 48 |
| Resource type | Count |
|---|---|
| Keine | 109 |
| Webseite | 175 |
| Topic | Count |
|---|---|
| Boden | 125 |
| Lebewesen und Lebensräume | 180 |
| Luft | 140 |
| Mensch und Umwelt | 283 |
| Wasser | 87 |
| Weitere | 284 |