Wesentliche Faktoren für die Rentabilität von PV-Anlagen sind ein langfristig sicherer Betrieb und ein konstant hoher Energieertrag. Plötzlich auftretende Fehler und schleichende Degra-dationsprozesse führen oft zu signifikanten Leistungseinbußen und beeinträchtigen die Wirtschaftlichkeit. Im Rahmen des Projekts OptPV 4.0. wurde von einem Konsortium aus Unternehmens- und Forschungspartnern unter der Leitung der Silicon Austria Labs (SAL)¹ ein innovatives Tool entwickelt, um Fehler und Energieverluste frühzeitig zu erkennen und die Wartung von PV-Anlagen zu verbessern.
 
Fehlerursachen müssen zuverlässig und schnell identifiziert werden, um Ausfallzeiten durch entsprechende Gegenmaßnahmen minimieren zu können. Zusätzlich gilt es, negative Trends in der Gesamtanlagenperformance rechtzeitig zu erfassen und vorbeugend Instandhaltungsmaßnahmen zu setzen, bevor es zu einer relevanten Leistungsverschlechterung kommt. Bisherige Methoden zur Ermittlung der Ursachen von Leistungseinbußen stützen sich auf Spezialmessungen vor Ort und sind sehr zeit- und kostenintensiv. Im Projekt OptPV 4.0 wurden erstmals systemumfassende Datenanalyse- und Modellierungskonzepte zur Früherkennung von Fehlern und schleichender Degeneration von PV-Anlagen erforscht und deren Anwendung in der Praxis getestet.

Analyse großer Datenmengen

Die möglichen Ursachen für Fehler an PV-Anlagen sind sehr heterogen und ihre Ausprägung ist abhängig von klimatischen, topografischen und geografischen Gegebenheiten. Für eine zuverlässige Identifikation und Modellierung der Fehlerquellen werden daher spezielle Analysemethoden benötigt, die sich auf große Datenmengen sowie auf zusätzlich erhobene Metadaten stützen. Im Projekt wurden Fehlermuster, die in bestehenden Daten vorkommen, standardisiert und in einer eigens definierten Datenbankstruktur abgelegt. Zusätzlich wurde ein Sensorik-Upgrade-Kit zur Sammlung von wichtigen, standardmäßig nicht erhobenen Anlagendaten und Metadaten entwickelt und zur Datenerhebung an echten Anlagen installiert.
 
Mit Hilfe der Anlagendaten und der Daten des Sensorik-Upgrade-Kits konnten physikalische und statistische Analysemodelle basierend auf digitalen Anlagenzwillingen erarbeitet und evaluiert werden. Diese dienen sowohl der schnellen Identifikation von plötzlich auftretenden Fehlermustern als auch zur Implementierung von prädiktiven Instandhaltungskonzepten. Außerdem wurden Konzepte für die vorausschauende Wartung inklusive Kosten-Nutzen-Betrachtungen ausgearbeitet.

„Bei Silicon Austria Labs wollen wir Entwicklungen voranbringen, die der Menschheit und der Umwelt nutzen. Durch die Optimierung von PV-Anlagen kann nicht nur grüne Energie erzeugt, sondern auch die Anlage selbst nachhaltig gestaltet werden. Mit Projekten wie OptPV4.0 können wir daher unsere Expertise im Bereich der Forschung, Entwicklung und Vernetzung intelligenter Sensoren einbringen und somit unseren Beitrag für eine grüne Zukunft leisten.“
 
Mag. Dr. Christina Hirschl
Head of Research Division Sensor Systems, Silicon Austria Labs

Neuentwickelte Sensorik im Realbetrieb

Im September 2020 errichtete die VERBUND AG die erste Großflächen-PV-Anlage am Gelände des Draukraftwerks in Ludmannsdorf/Bilčovs im Kärntner Rosental. An diesem Standort werden die im Projekt OptPV 4.0 entwickelten technischen Möglichkeiten zur dauerhaften Steigerung der Wirtschaftlichkeit von Photovoltaikanlagen aktuell weiter erforscht und getestet. Die Pilotanlage mit einer Spitzenleistung von 1,3 Megawatt wurde dazu mit einer Spezialsensorik ausgestattet. Der produzierte Sonnenstrom wird direkt ins österreichweite Übertragungsnetz eingespeist. Die Ergebnisse des Projekts liefern die technischen Grundlagen, um den Betrieb von PV-Anlagen jeder Größe wirtschaftlicher und vorausschaubarer zu machen. Das sind wichtige Voraussetzungen, um die Verbreitung der Photovoltaiktechnologie und ihren Beitrag zur Energiewende weiter forcieren zu können.
silicon-austria-labs.com/forschung/projekte/details/optpv40
 
¹ Projektpartner:
Silicon Austria Labs Gmbh (Konsortialführung), VERBUND Greenpower, the peak lab GmbH, ENcome Energy Performance GmbH, Uptime Engineering GmbH, MUL, Verbund Hydro, Fronius International GmbH