Kontaktieren Sie uns
Kontaktieren Sie uns

 

 

Maschinelles Lernen schützt Solarmodule vor extremem Wind

PVH ist weltweit führend in der Herstellung von Solartrackern, einem grundlegenden Element für Solar- oder Photovoltaikparks. Ihre Projekte erzeugen ein Energiepotenzial von mehr als 7 GW in 130 Anlagen auf der ganzen Welt - genug Strom, um mehr als 4,9 Millionen Haushalte zu versorgen. Die Photovoltaik-Industrie hat aufgrund von Initiativen zur Energiewende in der ganzen Welt ein unglaubliches Wachstum erlebt. PVH investiert in großem Umfang in Forschung und Entwicklung, um seinen Vorsprung in einem hart umkämpften globalen Markt, in dem Effizienzverbesserungen entscheidend für den Erfolg sind, ständig weiter auszubauen.

Die Herausforderung

Solarmodule werden zur Sonne ausgerichtet, um die Stromerzeugung zu maximieren. Allerdings sind die Module durch heftige Windböen gefährdet, die zu schweren Schäden führen können. Solartracker schalten die Paneele in eine defensive Position, wenn der Wind rau ist. Diese Position ist für die Stromerzeugung nicht optimal, gewährleistet aber die Sicherheit der Module. Das PVH begann mit der Erforschung fortschrittlicher Algorithmen, die die Vorhersage der Windgeschwindigkeit mit Sicherheit verbessern, die Erzeugungszeiten verbessern und die Paneele schützen. Die Lösung musste autonom arbeiten und gleichzeitig den künftigen Wind genau vorhersagen - ein hochkomplexes Problem, das den Einsatz neuartiger Ansätze wie maschinelles Lernen erforderte.

ben-soyka-gDULrt23rXM-unsplash

Die Lösung

Auf der Grundlage umfassender Kenntnisse im Bereich prädiktiver Systeme hat Avvale einen Algorithmus für maschinelles Lernen entwickelt, der in der Lage ist, Windböen vorherzusehen und die Photovoltaikanlagen zu alarmieren, um die Verteidigungsposition zu aktivieren. Die entwickelten Algorithmen basieren auf der Anwendung von tiefen neuronalen Netzen (Deep Learning) und Daten, die an den einzelnen Standorten erhoben wurden, wodurch genaue Prognosen des Windverhaltens erreicht werden. 

Mithilfe des maschinellen Lernens wird eine Windvorhersage aus den historischen Zeitreihen erstellt, die am Standort der Erzeugungsanlage und an nahe gelegenen Wetterstationen generiert wurden. Die Lösung erfordert Daten zur Windgeschwindigkeit, die durch verschiedene meteorologische Daten wie Temperatur und Luftfeuchtigkeit ergänzt werden. Das System erzeugt Windalarme, die die Anlage je nach Windrichtung in eine Verteidigungs- oder Sicherheitsposition versetzen. Der daraus resultierende Algorithmus kann in jeder Anlage installiert und isoliert betrieben werden. Er kann kontinuierlich neu trainiert werden, wenn mehr lokale Daten aus der Anlage zur Verfügung stehen.

mariana-proenca-GXiHwHkIdVs-unsplash

Wie die Lösung hilft

Der maschinelle Lernalgorithmus des PVH hat einen Wettbewerbsvorteil geschaffen, indem er die Erkennung von Windstärke und -richtung verbessert, die Effizienz der Anlagen durch Optimierung der Erzeugungszeit erhöht und Algorithmen der künstlichen Intelligenz in den Anlagen eingeführt hat. Mit mehr lokalen Informationen, die in die Algorithmen des maschinellen Lernens einfließen, hat PVH den Wert seiner technologischen Vorschläge für die Branche und die Kunden erhöht. PVH hat ehrgeizige Pläne für die weitere Entwicklung und Integration von Maschinen- und Deep-Learning-Technologien in seine Systeme, einschließlich der vorausschauenden Wartung durch proaktive Interpretation von Daten, verbesserter Erzeugungsprognosen auf der Grundlage historischer Zeitreihen und der Erkennung von technischen Verlusten in Anlagen durch Datenanalyse.

andreas-gucklhorn-Ilpf2eUPpUE-unsplash