Verbundvorhaben: robStROM - Robustere PV-Systeme und Betriebsführung durch die Analyse von Stromrichterausfällen aus zwei Perspektiven - Ursache und Wirkung; Teilvorhaben: Magnetfeldanalytik und KI-Methoden
Zeitraum
2023-03-01 – 2025-02-28
Bewilligte Summe
142.360,70 EUR
Ausführende Stelle
Förderkennzeichen
03EE1163C
Leistungsplansystematik
Photovoltaik - andere Strukturen - Verbindungshalbleiter [EB1041]
Verbundvorhaben
01252572/1 – ronStROM - Robustere PV-Systeme und Betriebsführung durch die Analyse von Stromrichterausfällen aus zwei Perspektiven - Ursache und Wirkung
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESE1)
Förderprogramm
Energie
Das Projekt robStROM bearbeitet gesamtsystematische Fragestellungen für optimierte Betriebsführungen von PV-Anlagen, um eine höhere Resilienz zu erreichen. Das Ziel ist eine ganzheitliche Entwicklung von wirksamen Daten- und Analytik-basierten Methoden zur Steigerung der Robustheit von PV-Systemen, gemessen an der Reduktion um jeden vierten Wechselrichter-Ausfall. Um den Zustand von Wechselrichtern zu bewerten bzw. zu analysieren, ob und gegebenenfalls wo Defekte inkl. deren Ursachen vorliegen, sollen Methoden und Konzepte entwickelt werden, die auf bildgebender oder statischer (nicht bildgebender) Magnetfeldmessung beruhen. Im Teilprojekt soll die Möglichkeit einer berührungslosen Strommessung durch die Nutzung von Magnetfeldsensorik im Falle der Zustandsbewertung von Wechselrichtern erprobt werden. Der Einsatz soll an den im Projekt identifizierten kritischen Baugruppen erfolgen. Der Einsatz für die dauerhafte Anwendung in Solarparks soll mit Hilfe eines Demonstrators erprobt werden. Außerdem soll die Möglichkeit der Magnetfeldanalyse als Mittel zur Detektion und Klassifikation von Wechselrichterdefekten erprobt werden. Ein wesentliches Ziel ist die Ursachenanalyse bzw. die Defektlokalisierung durch eine einfache, schnelle Magnetfeldmessung an bestimmten Positionen im Wechselrichter. Durch den Einsatz von KI-basierten Methoden sollen zudem Langzeitdaten von Wechselrichtern so analysiert werden, dass Abweichungen vom normativen Verhalten zuverlässig erkannt werden und mit auftretenden Wechselrichterstörungen oder -defekten korreliert werden. So sollen die Auswirkungen von Wechselrichterstörungen in Parkdaten zuverlässiger erkannt werden. Auf Basis dieser Ergebnisse und durch Kombination der im Betrieb aufgenommenen Magnetfelddaten sollen Vorhersagemodelle entwickelt werden, die Aussagen über die Restlebensdauer oder auch Ausfallwahrscheinlichkeiten von Wechselrichtern treffen können.