2023-06-01  –  2026-05-31

731.737,56 EUR

Universität Kassel - Fachbereich 16 Elektrotechnik/Informatik - Fachgebiet Intelligente Eingebettete Systeme, Kassel, Hessen

03EE1166C

Photovoltaik - andere Strukturen - Verbindungshalbleiter [EB1041]

01253854/1  –  LongLife – Kosteneffiziente Zuverlässigkeit von PV-Kraftwerken und Wechselrichtertechnik

Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)

Forschungszentrum Jülich GmbH (PT-J.ESE1)

Energie

Aufbauend auf vorangegangenen Forschungsarbeiten zu digitalen Zwillingen in der Solar-Wechselrichtertechnik sollen im Verbundvorhaben LongLife die gewonnenen Erkenntnisse zusammengeführt und weiter vertieft werden. Ziel ist es, das Verständnis der Fehler- und Alterungsvorgänge und vor allem die darauf aufbauenden Analyse-Methoden sowie Test- und Vorhersageverfahren zu verbessern und einerseits in eine Methodik für eine kosteneffizienz- und zuverlässigkeitsorientierte Geräteentwicklung & Qualifizierung und andererseits in praxistaugliche, umfassende Digitalisierungslösungen für das Predictive Maintenance und integrale O&M-Konzepte und -Dienste zu überführen. Hiermit soll ein Beitrag geleistet werden, die Kosten der Solarkraftwerkstechnik in Herstellung und Betrieb weiter zu senken und gleichzeitig die Zuverlässigkeit und nachhaltige Langlebigkeit punktgenau zu steigern. Aufgabe des Projektpartners Universität Kassel (Intelligente Eingebettete Systeme) ist die Analyse von Betriebsdaten und die Entwicklung und Bereitstellung grundlegender Algorithmik und Modelle. Die Teilaufgaben umfassen die probabilistische Modellierung von Zuverlässigkeit und Lebensdauer, intelligentes Testen mit Mensch-zentriertem maschinellen Lernen, Anomalieerkennung mit probabilistischen Modellen, Lernen von transferierbaren Repräsentationen, graphbasierte Modellierung von Wechselwirkungen von Systemkomponenten, Segmentierung von Zeitreihen und Bildern zur Fehleranalyse, sowie verstärkendes Lernen als Komponente in Meta-Ansätzen zum Lernen. Damit trägt die Universität Kassel zu allen drei Schwerpunkten Testverfahren, Predictive Maintenance sowie Lebensdauervorhersage substantiell bei.