Fraunhofer-Center für Silizium-Photovoltaik CSP
Fraunhofer-Center für Silizium-Photovoltaik CSP

PV-Systemdiagnostik

Leistungen

  • Physikalisch-technische, empirische oder Machine Learning-basierte Systemmodellierung und Analyse von Ertragsverusten
  • Schnelle Identifikation von Defektmustern in Betriebsdaten
  • Simulation verschiedener Betriebsszenarien mittels Modellen systemspezifischer Performance
PV-Anlage mit Schnee
© Fraunhofer CSP
Schnee und andere Witterungseinflüsse können zu Ertragsverlusten von PV-Anlagen führen.

Zustandsbewertung zur leichteren Anlagenüberwachung
 

  • Identifizierung von Betriebszuständen
  • Verifizierung von Alarmen
  • Bestimmung von Ertragsverlusten
  • Ertragsvorhersage
Pyranometer
© Fraunhofer CSP

Risikominimierung
 

  • Verbesserung der Datenqualität
  • Digitale Erfassung von PV-Systemen
  • Sensorkonzepte für innovative daten-getriebene Anwendungen
Modulverschmutzung
Die Verschmutzung von Modulen sind ein wesentlicher Faktor bei der Kostenreduzierung von Wartungskosten.

Reduktion von Betriebs- und Wartungskosten
 

  • Bestimmung standortspezifischer Erträge
  • Ertragssimulation verschiedener Instandhaltungsszenarien
  • Prädiktive Instandhaltung
Elektrolumineszenz-Aufnahme PID
© Fraunhofer CSP
Elektrolumineszenz-Aufnahme eines von PID betroffenen Solarmoduls.

Schadensfallbewertungen

 

  • Defekterkennung
  • Auswirkungen von Defekten auf den Gesamtenergieertrag
  • Einfluss der Modulalterung auf den langfristigen Ertragsplanung

Referenzen

Förderplakat VR4PV
EFRE-Förderlogo Sachsen-Anhalt
EFRE-Förderlogo Sachsen-Anhalt

Landesprojekt VR4PV

Vorhaben

  • Schaffung einer virtuellen Umgebung und eines digitalen Abbildes von PV-Systemen zur zukünftigen Analyse, Inspektion und Wartung (VR4PV)
    Gemeinschaftsvorhaben von Fraunhofer IMWS (Halle), Fraunhofer IFF (Magdeburg), DENKweit GmbH (Halle), Dexor Technology GmbH (Köthen)

Zeitraum

04. Januar 2022 – 31. Dezember 2022

Projektziel

  • Einsatz geeigneter bildgebender Verfahren zur Erfassung des PV-Systems im Gesamten, wie auch auf Komponentenebene in Kombination mit der notwendigen Geolokalisierung
  • Entwicklung und Anwendung von Datenroutinen zur automatisierten »Erkennung« und »Zuordnung« anlagenrelevanter Größen und Zusammenhänge anhand von Deep Learning
  • Entwicklung eines Datenmanagementkonzepts zur Strukturierung einer Datenbasis der gewonnenen und modellierten Daten (Gesundheitsakte)

Projektleiter

Dr. Matthias Ebert – matthias.ebert@csp.fraunhofer.de