Forschende des Instituts für Datenanalyse und Prozessdesign (IDP) an der ZHAW in Winterthur haben in Zusammenarbeit mit Fluence Energy ein Softwaremodul entwickelt, mit dem bestehende Solaranlagen optimal gewartet werden können. Das Programm ist in der Lage, von Ausfällen, Trackerfehlern oder Verschmutzung generierte Energieverluste zu erkennen und einzuordnen, erläutert die ZHAW in einer Mitteilung. Mit Hilfe von Künstlicher Intelligenz (KI) kann das Modul zudem angeben, ob die Kosten aus dem Energieverlust grösser sind als die Kosten einer allenfalls vorgenommenen Reparatur.
„Unsere Herausforderung bestand darin, ein Softwaremodul zu entwickeln, das seine Schätzungen unter Einbeziehung einer datengetriebenen KI erstellt, dabei aber auch das breite Fachwissen über die Anlage miteinbezieht, um Entscheidungen zu treffen, die auch für die Ingenieur:innen, die die Anlage betreiben, nachvollziehbar sind“, wird Projektleiterin Lilach Goren Huber vom IDP in der Mitteilung zitiert. Dafür haben die Forschenden ein neuronales Netzwerk konstruiert, das die aus dem Betrieb der Anlage gewonnenen Daten mit dem Fachwissen ihrer Betreibenden kombiniert. Dabei wurden die benötigten Mengen an Daten über Störungen mit Hilfe des Fachwissens als künstliche Daten mit realistischen Störungsmustern generiert. „Mit der Kombination aus wertvollem Fachwissen und einem datengetriebenen Deep Learning Model kann das Modul früher und genauer Fehler in der Anlage erkennen als bisherige Ansätze“, erläutert die ZHAW-Forscherin. ce/hs
