Verbundvorhaben: dig4morE - Digitalisiertes O&M - Management zur Ertragsteigerung von Solaranlagen, Teilvorhaben: Effizienzsteigerung durch fortschrittliche Datenanalyse für utility-scale Solarkraftwerke
Zeitraum
2021-06-01 – 2024-12-31
Bewilligte Summe
323.837,68 EUR
Ausführende Stelle
Förderkennzeichen
03EE1090E
Leistungsplansystematik
Photovoltaik - andere Strukturen - Sonstiges [EB1042]
Verbundvorhaben
01222977/1 – dig4morE - Digitalisiertes O&M-Management zur Ertragssicherung von Solaranlagen
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESE1)
Förderprogramm
Energie
Viele PV-Anlagen in Deutschland schöpfen ihr Potenzial bei der Stromerzeugung offensichtlich nicht aus. Dies wird deutlich, wenn man Thermographie-Bilder betrachtet, die bei ca. 8% der Module auffällige Wärmesignaturen zeigen, welche wiederum Leistungsminderungen indizieren. In dig4morE wollen wir dies ungenutzte Potential und weitere Systemdefizite mittels hochgenauer Sensorik, moderner Monitoring- und Auswertekonzepte sowie optimierter Betriebsführungsstrategien aufspüren und aktivieren. Durch die Maßnahmen erwarten wir zusätzlich eine Verlängerung der Lebensdauer der Solarparks und wir streben die Entwicklung von Konzepten für neue, verlustarme Großprojekte an. Zur Beschreibung des IST-Zustands und der Identifizierung von Defiziten werden Monitoringdaten von ca. 11 Solarparks erfasst. Es werden sowohl Daten eingebauter Modul¬sensoren als auch Stringdaten ausgewertet. Vor-Ort-Messungen (IR, EL, IV, VIS) werden zur Identifikation, Verifikation und Differenzierung ertrags- und sicherheitsrelevanter Defizite genutzt. Schleichende und spontane Ertragseinbußen sind zu erwarten in Abh. von z. B. der Ansteuerung des Arbeitspunkts, Modulfehlern, dem Materialmix und Modulverschmutzung, die durch frühzeitige Kenntnisnahme und besseres Verständnis minimierbar sind. Die Daten werden für multidimensionale Auswertungen aufbereitet, verknüpft und anhand der vor-Ort-Messungen annotiert. Defizite in Solarparks sollen u. a. mit Machine Learning Methoden aufgespürt werden. Die zu entwickelnden Auswertemethoden werden erprobt und validiert. Herausfordernd ist die Separation, Quantifizierung und Prognose verschiedener Defizite sowie die Definition von Handlungsempfehlungen (best practices) zur Ableitung betriebsrelevanter Kenngrößen und damit gezielt orts- und zeit-optimierter O&M-Maßnahmen. dig4morE führt so zur Reduzierung der levelized cost of energy und kann dadurch einen maßgeblichen Beitrag zur Modernisierung des Projektmanagements existierender und zukünftiger Solarparks leist