Photovoltaik-Monitoring Sensorsystem überwacht PV-Anlagen auf Modulebene

Anbieter zum Thema

Fraunhofer-Institut für Fabrikbetrieb und -automatisierung IFF

ET System electronic GmbH

MES Electronic Connect GmbH & Co. KG

IBR Leiterplatten GmbH & Co. KG

Bislang werden Photovoltaik-Großkraftwerke meist nur auf String- oder Wechselrichterebene überwacht. Dadurch bleiben Defekte an einzelnen Solarmodulen oft lange unerkannt. Ein Sensorsystem liefert nun hochauflösende Diagnosedaten bis auf die Modulebene.

Ein Ausfall einzelner Solarmodule, defekte Bypassdioden oder elektrische Verbindungsfehler: In großen Photovoltaikanlagen mit Zehntausenden von Komponenten summieren sich unentdeckte lokale Defekte schnell zu massiven Ertragseinbußen.

Das Problem der aktuellen Anlagentechnik: Etablierte Überwachungsmethoden werten meist nur die Daten aus, die der Wechselrichter über alle Strings hinweg liefert. Modulindividuelle Zustände bleiben in diesem Ansatz unsichtbar. Optische Inspektionen via Drohne oder Infrarot-Thermografie können zwar Hotspots aufdecken, versagen aber bei elektrischen Defekten, Degradation oder Fehlern auf der Rückseitenfolie. Um diesen toten Winkel zu erkennen, entwickelt ein Konsortium um das Fraunhofer IFF im Projekt ZeroDefect4PV derzeit ein hochgranulares Sensorsystem für die vorausschauende Wartung auf Modulebene.

Die Hardware ist direkt am Panel

Kern des Systems sind Datenerfassungseinheiten (Data Collection Units, DCU), die direkt auf der Rückseite der einzelnen Photovoltaikmodule installiert werden. Diese Sensorknoten erfassen kontinuierlich Gleichspannung und Gleichstrom des jeweiligen Solarpanels. Zusätzlich wird die Modultemperatur gemessen, um thermische Belastungen und Fehlerzustände abzuleiten. Externe Umweltdaten wie die Sonneneinstrahlung liefert eine separate Wetterstation.

Vom Mesh-Netzwerk in die Cloud

Die kommunikationstechnische Herausforderung in PV-Großparks löst das System über ein hierarchisches Funknetzwerk: Die Prototypsensoren sind als Master-Slave-Architektur in einem Mesh-Sensornetzwerk organisiert. Für die Kommunikation untereinander nutzen sie das Protokoll ESP-NOW. Die aggregierten Daten werden anschließend per reichweitenstarkem und stromsparendem LoRaWAN-Protokoll an übergeordnete Gateways gefunkt. Von dort gelangen die synchronisierten Werte in eine zentrale Datenplattform zur Auswertung.

Während herkömmliche Inverter-Messungen lediglich einen generellen Leistungsabfall auf einem String (Mismatches) registrieren, klassifiziert das neue System die konkrete Fehlerquelle. Die Algorithmen werden auf der Grundlage von Fehlermustern trainiert und erkennen Anomalien im Strom- und Spannungsverlauf.

Die KI kann nicht nur unterscheiden, ob es sich um eine thermische Auffälligkeit, mechanische Schäden (Zellrisse), Verschmutzung oder einen elektrischen Defekt an den Bypassdioden handelt, sondern lokalisiert das Problem auch exakt. „Anders als bei der Messung am Wechselrichter klassifiziert unser System die Fehler und erkennt präzise, wo sie auftreten“, erläutert Dr. Christoph Wenge, Wissenschaftler am Fraunhofer IFF. „In den in Reihe geschalteten Solarpanels können unterschiedlichste Fehler auftreten. Diese können nicht nur an den Modulen selbst, sondern auch in den Bypassdioden, im Kabel- oder im Montagesystem auftreten.“

Über implementierte Assistenzfunktionen erhalten Techniker in der Leitwarte dann konkrete Handlungsempfehlungen , wie beispielsweise den gezielten Austausch eines spezifischen Moduls.

Feldtests unter Realbedingungen

Das System verlässt aktuell die Laborphase. Master- und Slave-Sensoren wurden bereits auf Messgenauigkeit und Kommunikationszuverlässigkeit getestet. Derzeit laufen Pilotversuche in einer Forschungsanlage des Fraunhofer IFF in Magdeburg, wo die KI unter anderem mit gezielten Verschattungen durch Blätter trainiert wird. Parallel startet die Hardware-Validierung in einem PV-Feld in der Türkei, während das Training der KI-Modelle durch den Projektpartner BEIA Consult International mit realen Inverter-Daten in Bukarest flankiert wird.

„Mit den Pilotinstallationen validieren wir unser System unter Realbedingungen“, resümiert Dr. Wenge den aktuellen Stand. „Das erlaubt uns, Hardware, Kommunikation und Datenmodelle iterativ zu optimieren und letztlich die Skalierbarkeit für große PV-Parks zu bewerten.“ (heh)

Optimierte Leistungsregelung

Fuzzy-Logic-Algorithmus für verschattete Photovoltaik-Module

Edge-KI-fähige Mikrocontroller

Optimierte Systemfehler-Erkennung in Echtzeit-Steuerungssystemen

(ID:50807764)