In zahlreichen Regionen der Welt kann Solarenergie heute bereits konventionelle Energieerzeugung ersetzen. Digitalisierung und Vernetzung treiben diese Entwicklung weiter voran. Deshalb untersuchen die SMA Solar Technology AG (SMA) und ihre Projektpartner eoda GmbH, TESVOLT GmbH, KEO GmbH, Universität Kassel und HAW Hamburg im Rahmen des Forschungsprojekts Digital-Twin-Solar jetzt das Potenzial von Machine Learning und Künstlicher Intelligenz zur weiteren Steigerung der Wirtschaftlichkeit und Zuverlässigkeit von Photovoltaik- und Speichersystemen. Das Projekt wird vom Bundesministerium für Wirtschaft und Energie gefördert.
Wechselrichter sind Schlüsselkomponenten in Solaranlagen. Sie sorgen für optimale Energieerträge, und eine zuverlässige Anlagenüberwachung, speisen Solarstrom ins Netz und tragen mit Systemdienstleistungen zur Stabilität und Sicherheit der Stromnetze bei. „Dabei liefern die Geräte wertvolle Daten, die schon heute zur besseren Integration von Solarenergie ins Stromnetz genutzt werden“, erklärt Projektleiter André Gensler, Senior Data Scientist bei SMA. „Die Vernetzung der Wechselrichter mit weiteren Systemkomponenten erlaubt eine noch umfänglichere Datenerfassung und damit die modellgetriebene Erzeugung eines ‚Digitalen Zwillings‘ ganzer PV-Systeme. Damit können zukünftig auch umfangreichere Anlageneinheiten unter Verwendung von Maschinellem Lernen optimiert werden. Im Projekt Digital-Twin-Solar erforschen wir gemeinsam mit unseren Partnern, die Möglichkeiten, daraus zukunftsweisende datenbasierte Dienstleistungen zu entwickeln. Dazu gehören zum Beispiel Lösungen für die vorausschauende Wartung von PV-Systemen. Solar- und Batteriespeichersysteme können dadurch noch effizienter und zuverlässiger geplant und betrieben werden und noch stärker zu einer weltweit nachhaltigen, sicheren und kostengünstigen Energieversorgung beitragen.“
Forschungsprojekt Digital-Twin-Solar
Das jetzt gestartete Verbundforschungsprojekt Digital-Twin-Solar läuft über drei Jahre und befasst sich mit speziell auf die Solarenergienutzung und Stromspeichersysteme zugeschnittenen Lösungen für Digitale Zwillinge. Es wird vom Bundesministerium für Wirtschaft und Energie mit insgesamt rund 3,5 Mio. Euro gefördert. Betrachtet und analysiert werden alle verfügbaren Daten, angefangen bei der Datenerhebung in Entwicklung und Produktion bis hin zum Betrieb der PV- und Batteriesysteme am jeweiligen Einsatzort. „Der Einsatz Digitaler Zwillinge fokussierte sich bislang stark auf das Anwendungsfeld Industrie 4.0. Mit dem Forschungsprojekt Digital-Twin-Solar setzen wir einen neuen Schwerpunkt im Bereich der erneuerbaren Energien und kombinieren die Vorteile eines Digitalen Zwillings mit denen des Machine Learnings.“, erklärt Heiko Miertzsch, Geschäftsführer von eoda. Als Data-Science-Experte unterstützt eoda das Forschungsprojekt im Bereich der Identifikation und erfolgreichen Umsetzung von Use Cases basierend auf Machine Learning & KI. Darüber hinaus entwickelt eoda auf Basis seiner Data-Science-Plattform YUNA eine Software, die die Entwicklung von Analytik-Use-Cases fördert und datengestützte Erkenntnisse mit dem Expertenwissen der Energiebranche verbindet.
Wechselrichter sind Schlüsselkomponenten in Solaranlagen. Sie sorgen für optimale Energieerträge, und eine zuverlässige Anlagenüberwachung, speisen Solarstrom ins Netz und tragen mit Systemdienstleistungen zur Stabilität und Sicherheit der Stromnetze bei. „Dabei liefern die Geräte wertvolle Daten, die schon heute zur besseren Integration von Solarenergie ins Stromnetz genutzt werden“, erklärt Projektleiter André Gensler, Senior Data Scientist bei SMA. „Die Vernetzung der Wechselrichter mit weiteren Systemkomponenten erlaubt eine noch umfänglichere Datenerfassung und damit die modellgetriebene Erzeugung eines ‚Digitalen Zwillings‘ ganzer PV-Systeme. Damit können zukünftig auch umfangreichere Anlageneinheiten unter Verwendung von Maschinellem Lernen optimiert werden. Im Projekt Digital-Twin-Solar erforschen wir gemeinsam mit unseren Partnern, die Möglichkeiten, daraus zukunftsweisende datenbasierte Dienstleistungen zu entwickeln. Dazu gehören zum Beispiel Lösungen für die vorausschauende Wartung von PV-Systemen. Solar- und Batteriespeichersysteme können dadurch noch effizienter und zuverlässiger geplant und betrieben werden und noch stärker zu einer weltweit nachhaltigen, sicheren und kostengünstigen Energieversorgung beitragen.“
Forschungsprojekt Digital-Twin-Solar
Das jetzt gestartete Verbundforschungsprojekt Digital-Twin-Solar läuft über drei Jahre und befasst sich mit speziell auf die Solarenergienutzung und Stromspeichersysteme zugeschnittenen Lösungen für Digitale Zwillinge. Es wird vom Bundesministerium für Wirtschaft und Energie mit insgesamt rund 3,5 Mio. Euro gefördert. Betrachtet und analysiert werden alle verfügbaren Daten, angefangen bei der Datenerhebung in Entwicklung und Produktion bis hin zum Betrieb der PV- und Batteriesysteme am jeweiligen Einsatzort. „Der Einsatz Digitaler Zwillinge fokussierte sich bislang stark auf das Anwendungsfeld Industrie 4.0. Mit dem Forschungsprojekt Digital-Twin-Solar setzen wir einen neuen Schwerpunkt im Bereich der erneuerbaren Energien und kombinieren die Vorteile eines Digitalen Zwillings mit denen des Machine Learnings.“, erklärt Heiko Miertzsch, Geschäftsführer von eoda. Als Data-Science-Experte unterstützt eoda das Forschungsprojekt im Bereich der Identifikation und erfolgreichen Umsetzung von Use Cases basierend auf Machine Learning & KI. Darüber hinaus entwickelt eoda auf Basis seiner Data-Science-Plattform YUNA eine Software, die die Entwicklung von Analytik-Use-Cases fördert und datengestützte Erkenntnisse mit dem Expertenwissen der Energiebranche verbindet.
