Optimierte Systemführung, Überwachung und vorausschauenden Wartung für Photovoltaikgeneratoren mittels innovativer Sensorlösungen auf Modulebene (Projekt ZeroDefect4PV)

Das Entwicklungsteam des Projekts ZeroDefect4PV setzt modernste Sensortechnologie ein, um die Betriebseffizienz von Photovoltaik-Großkraftwerken deutlich zu erhöhen. Diese Technologie ermöglicht eine präzise und proaktive Überwachung, die nicht nur die Wartungskosten drastisch reduziert, sondern auch die Energieausbeute maximiert, indem Fehler frühzeitig erkannt und behoben werden. Dies erhöht die Wirtschaftlichkeit und unterstützt nachhaltige Energieziele, indem es Ausfallzeiten minimiert und so direkte Vorteile für Anlagenbetreiber schafft.

Photovoltaik-Großkraftwerke bestehen oft aus Zehntausenden von Modulen und Komponenten. Der Ausfall einzelner Module reduziert den Gesamtwirkungsgrad der verschalteten Strings massiv und ist nur schwer zu erkennen. Dies führt zu wirtschaftlichen Verlusten und verminderten Erträgen aus erneuerbaren Energien. Jede nicht eingespeiste kWh freier regenerativer Energie muss dann durch teure und ggf. CO2-emittierende Anlagen kompensiert werden, was der Nachhaltigkeitsstrategie der EU widerspricht.

Ziel des Gesamtvorhabens ist die Entwicklung und Erprobung eines hochmodernen integrierten Sensorprototyps für Photovoltaik-Großanlagen. Eine Sensorik auf Anlagenebene in Kombination mit einer intelligenten IoT-basierten Kommunikationsarchitektur soll die Erkennung zentraler Ineffizienzen solarer Erzeugungseinheiten ermöglichen. Durch eine schnelle Fehlererkennung sowie eine vorausschauende Wartung können so maximale Einspeisewerte gewährleistet werden. 

Auf Basis einer lokalen Master-Slave-Architektur in Kombination mit einer überregionalen Leitsystemkopplung werden die Voraussetzungen für ein integriertes Energiesystemmanagement geschaffen. Das so generierte Overlay-Sensornetzwerk ermöglicht die Erschließung vielfältiger Nutzungspotenziale mittels KI-basierter Datenanalyse, u.a. Ersatzwertbildung, Prognose, Anomalieerkennung. Die theoretisch entwickelten Konzepte werden in einer Pilotimplementierung erprobt und validiert.

Das Teilprojekt des Fraunhofer IFF konzentriert sich auf die kommunikative Kopplung der entwickelten Sensorprototypen und die Generierung von Mehrwertdiensten aus den eingehenden Messwerten. Dazu werden bestehende Forschungsinfrastrukturen wie das Energy Operations Center (EOC) in Magdeburg für die intelligente Verarbeitung der Sensorwerte aufgerüstet. Durch die Integration und Anwendung innovativer Datenverarbeitungsmechanismen in übergeordneten Leitsystemen werden Verfahren zur Nutzung der neu generierten Sensordaten entwickelt.

Wesentliche Voraussetzung für eine zuverlässige Datenverarbeitung ist die Bereitstellung und Anpassung eines generischen Datenverarbeitungsmechanismus. Dieser umfasst

1. Ersatzwertbildung: Lücken in Datensätzen behindern Folgeprozesse, wie z.B. die Verfälschung der Mittelwertbildung. Durch die Ersatzwertbildung (engl. Data Imputation) werden diese Lücken KI-gestützt mit minimalen Abweichungen zum vermuteten wahren Wert geschlossen. Die Ersatzwertbildung wird selbstlernend implementiert, indem nachträglich gelieferte Werte zum Training der mathematischen Modelle verwendet werden.
2. Anomalieerkennung: Datenlieferungen werden durch mathematische Eigenschaften (engl. Features) beschrieben. Durch die Definition von Vertrauensbereichen weisen Ausreißer auf Anomalien hin, die zur Lokalisierung und Klassifizierung von Fehlern bzw. Anlagendefekten genutzt werden sollen.
3. Predictive Maintenance: Hier sollen die trainierten Modelle genutzt werden, um Anomalien auch im Vorfeld erkennen zu können. Diese Mechanismen der vorausschauenden Wartung (engl. Predictive Maintenance) ermöglichen eine Reduzierung des Wartungsaufwandes durch eine schnelle Fehleridentifikation und -klassifikation.

Ein weiteres Ziel des Fraunhofer IFF ist die Entwicklung von Verfahren zur Nutzung der neuen Sensordaten im Kontext moderner Leitsystemfunktionalitäten. Auf Basis standardisierter Schnittstellen erfolgt eine Kopplung des entstehenden Sensorüberlagerungsnetzes mit der Systemführung des Energy Operations Center. Durch die präzise und granulare Überwachung des Mesh-Netzes sollen optimierte Systemmodelle erstellt und Prognosesysteme verbessert werden.

Schließlich sollen die Machbarkeit und Effektivität des Ansatzes durch eine praktische Erprobung als Demonstrator nachgewiesen werden. Durch standortübergreifende Kommunikationskanäle zwischen Deutschland und Rumänien werden Betriebsbedingungen mit hoher Realitätsnähe geschaffen.

Durch die Erhöhung der Volllaststunden von Photovoltaik-Großkraftwerken schafft das vorgeschlagene Verfahren mittelfristig volkswirtschaftliche Vorteile für den Industriestandort Deutschland – insbesondere im Zusammenhang mit dem knotinuierlichen PV-Ausbau im Zuge der Energiewende. Reduzierter Wartungsaufwand und schnellere Fehlererkennung führen zu höheren Energieerträgen.

Erwartete Projektergebnisse

• Entwicklung und Implementierung eines integrierten Sensorsystems zur Optimierung der Überwachung und Wartung von Photovoltaik-Großanlagen.
• KI-basierte Analyseverfahren für die präzise Erkennung und Klassifizierung von Systemanomalien.
• Verfahren zur effektiven Datenverarbeitung, inklusive Ersatzwertbildung und prädiktiver Wartung.
• Demonstrator unter realen Betriebsbedingungen zur Validierung der Systemeffizienz.