© Ship2Fair/RODA/futurezone

Science

Selbstlernender Algorithmus sagt Sonnenwärme stündlich voraus

Bis spätestens 2040 will Österreich klimaneutral werden. Dafür werden mehrere Maßnahmen gesetzt – laut dem Bundesministerium für Klimaschutz ist unter anderem ein massiver Ausbau erneuerbarer Energieträger geplant. Dazu gehören etwa thermische Sonnenkollektoren. Thermische Solaranlagen sind nicht mit Photovoltaik-Anlagen zu verwechseln: Während letztere elektrische Energie aus Sonnenlicht erzeugen, gewinnen thermische Solaranlagen Wärme aus der Sonnenenergie. Genutzt wird sie für Warmwasser im Eigenheim, für Fernwärme oder in der Agrar- und Nahrungsmittelindustrie.

Thermische Solaranlagen funktionieren allerdings nicht störungsfrei. Bei bewölktem Wetter etwa können sie nicht die maximale Leistung erbringen – der Wärmeertrag steigt und fällt also je nach aktuellen Wetterbedingungen. Besonders für industrielle Prozesse kann das problematisch sein, da der Energieertrag in den kommenden Stunden nicht genau vorausgesagt werden kann. Das geht nicht nur auf Kosten der Effizienz, auch besteht die Gefahr einer Überhitzung der Solaranlage, wodurch in weiterer Folge einzelne Komponenten beschädigt werden können. 

Selbstlernendes System

Um Risiken einzudämmen und die Gesamteffizienz der Anlagen zu steigern, hat Viktor Unterberger, Forscher im Bereich Automation and Control am Bioenergy and Sustainable Technologies (BEST) Kompetenzzentrum in Graz, im Rahmen des internationalen Forschungsprojekts „Ship2Fair“ einen selbstlernenden Algorithmus entwickelt. Der sagt voraus, wie viel Solarenergie in jeder nächsten Stunde zu erwarten ist und wie hoch der Energieertrag wird. 

Das System ist auf einen dreistufigen Prozess aufgebaut, der stündlich wiederholt wird. In einem ersten Schritt bestimmt der Algorithmus automatisch, welche Parameter der Energiebilanz, basierend auf frühere Messdaten, er für die Berechnung der Energie in der kommenden Stunde nutzt. „Im nächsten Schritt holt er sich Prognosen vom Wetterdienst meteoblue“, sagt Unterberger der futurezone. 

Der Schweizer Wetterdienst agiere international, sodass laut dem Fachmann alle europäischen Länder, welche die Methoden anwenden, die gleiche Schnittstelle nutzen. „Die wichtigsten Informationen, die man braucht, sind die solare Einstrahlung, also wie viel Watt pro Quadratmeter, und die Außentemperatur.“ Anhand dieser Daten könne der Algorithmus ausrechnen, wie viel Solarenergie in der nächsten Stunde zu erwarten ist. Im letzten Schritt vergleicht das System seine Prognose mit den tatsächlichen Werten, führt Korrekturen durch und präzisiert so seine künftigen Vorhersagen. 

„Wenn ich weiß, dass der Speicher am Samstag voll ist und am Sonntag ein schöner Tag kommt, kann man den Speicher vorzeitig entladen“

Viktor Unterberger, BEST

Präzise Prognose

Tests haben gezeigt, dass das Verfahren eine fast doppelt so genaue Prognose des Solarertrages bietet als gängige Vorhersagemethoden. Weil dadurch eine bessere Planung möglich wird, können solarthermische Anlagen laut Unterberger effizienter in industrielle Prozesse integriert werden. „Wenn ich weiß, dass der Speicher am Samstag voll ist und am Sonntag ein schöner Tag kommt, kann man den Speicher vorzeitig entladen“, sagt der Experte.  So könne man am darauffolgenden Tag den vollen Energieertrag nutzen. 

Ein weiterer Vorteil sei, dass sich mit dem Verfahren gleichzeitig die Betriebsstunden von zusätzlich genutzten, oftmals fossilen Wärmerzeugern reduzieren ließen, die bei schlechteren Wetterbedingungen als Ersatz zum Einsatz kommen.   In der Folge bedeute das weniger Emissionen. Denn wie auch das Beschleunigen und Abbremsen von Fahrzeugen höhere Emissionen erzeugt als das konstante Fahren, seien auch Ein- und Ausschaltvorgänge bei gewissen fossilen Wärmeerzeugern laut Unterberger besonders emissionsintensiv.

„Wenn ich weiß, dass in einer Stunde viel Solarenergie ansteht, kann ich mir den Vorgang sparen, das fossile System einzuschalten“, sagt er. Daneben würden mit der Methode generell auch Kosten reduziert und die Gesamteffizienz erhöht.

„Wir verwenden das System für die Industrie und für Fernwärmesysteme, aber auch im kleineren Rahmen für Gebäuderegelung mit Solarthermie in Graz“

Viktor Unterberger, BEST

System passt sich an

Der Algorithmus, der in allen handelsüblichen Steuerungen implementiert werden kann, passt sich automatisch äußeren Veränderungen an. Wird beispielsweise ein Feld mit Sonnenkollektoren erweitert oder beschattet, erkennt das System, dass der Ertrag je nach Einstrahlung größer oder kleiner ist und adaptiert seine Messungen. 

Der Algorithmus ist auch bereits im Einsatz: „Wir verwenden das System für die Industrie und für Fernwärmesysteme, aber auch im kleineren Rahmen für Gebäuderegelung mit Solarthermie in Graz“, sagt der Forscher. Für industrielle Fertigungsprozesse komme er zudem in Spanien, Frankreich, Italien und Portugal schon zur Anwendung.  

Künstliche Intelligenz bei Windkraftanlagen

Wind ist eine geeignete Quelle für saubere Energie, denn Wind ist dauerhaft und reichlich vorhanden. In Österreich haben Ende 2020 1.307 Windkraftanlagen mit einer Gesamtleistung von 3.120 Megawatt grünen Strom erzeugt, wie die IG Windkraft bemisst. Damit wurden etwa 2 Millionen Haushalte mit sauberer Energie versorgt. 

Windkraftanlagen sind aber auch anfällig für Störungen: Fallen einzelne Komponenten aus, etwa ein Lüfter im Kühlsystem, kann das hohe Kosten mit sich bringen. Um diesen entgegenzuwirken, haben Schweizer Datenforscher des Centre Suisse d'Electronique et de Microtechnique gemeinsam mit dem Software-Unternehmen Proxima Solution auf künstliche Intelligenz (KI) gestützte Algorithmen entwickelt, die frühzeitig Unregelmäßigkeiten im Betrieb von Windkraftanlagen erkennen. 

Zum Einsatz kommen zwei unterschiedliche Algorithmen. Während der erste einen digitalen Zwilling der Anlage erstellt und laufend Signalwerte verfügbar macht, die im realen Betrieb erwartet werden, vergleicht der zweite die Werte mit den Echtzeitdaten der Windkraftanlage. 

Fehler verglichen

Bei Abweichungen löst das System eine Warnung aus – die Abweichungen selbst werden mit häufig auftretenden Fehlern in einer Windkraftanlage verglichen, wodurch Diagnosen verfügbar gemacht werden. Mit dem Verfahren können kostspielige Betriebsunterbrechungen und Ausfälle prognostiziert und diesen entgegengesteuert werden.  

Das System wurde in den Windparks des international tätigen Energie- und Infrastrukturunternehmen BKW in Frankreich, Deutschland, Italien und der Schweiz getestet und soll bald auf den Markt kommen. 

Hat dir der Artikel gefallen? Jetzt teilen!

Andreea Iosa

Andreea Iosa beschäftigt sich mit neuesten Technologien und Entwicklungen in der Forschung – insbesondere aus Österreich – behandelt aber auch Themen rund um Raumfahrt sowie Klimawandel.

mehr lesen Andreea Iosa

Kommentare