Projektzusammenfassung

Genaue Vorhersagen der PV-Leistung sind für einen stabilen und effizienten Betrieb des Energiesystems von entscheidender Bedeutung. Das Projekt PV-Fokus entwickelt innovative Methoden des maschinellen Lernens zur Verbesserung der PV-Leistungsprognose und untersucht neue meteorologische Eingangsdaten. Ein besonderer Fokus liegt auf hochaufgelösten, satellitenbasierten Informationen zur solaren Einstrahlung und Bewölkung sowie auf neu entwickelten Prädiktoren für die Entstehung und Auflösung niedriger Wolken. Eine flexible ML-Architektur ermöglicht die Kombination verschiedener Datenquellen und Modelle über unterschiedliche Prognosezeiträume hinweg – von kurzfristigen Intraday- bis hin zu Day-Ahead-Prognosen – und auf verschiedenen Netzebenen.

Unsere Beiträge

Das KIT konzentriert sich insbesondere auf niedrige Wolken, deren schnelle und schwer vorherzusagende Entwicklung zu erheblichen Fehlern bei der PV-Leistungsprognose führen kann. Mithilfe hochaufgelöster Satellitendaten werden tiefe stratiforme und konvektive Wolken automatisch identifiziert und ihre Entwicklung analysiert. Modelle des maschinellen Lernens und Methoden der erklärbaren künstlichen Intelligenz (Explainable AI, XAI) werden eingesetzt, um die wichtigsten Umweltfaktoren für die Entstehung und Auflösung von Wolken zu identifizieren.

Die daraus gewonnenen Erkenntnisse werden zunächst für die Intraday-Prognose genutzt und anschließend mit numerischen Wettervorhersagemodellen kombiniert, um Day-Ahead-Prognosen zu ermöglichen. Auf diese Weise trägt PV-Fokus zu genaueren PV-Leistungsprognosen und einer zuverlässigeren Integration von Solarenergie in das Stromnetz bei.