Stündliche Voraussage vom Solarertrag mit selbstlernendem Algorithmus

Selbstlernendes System gelingt zuverlässige Voraussage vom Solarertrag

Um die Gesamteffizienz solcher Anlagen zu steigern, habe Viktor Unterberger, Forscher im Bereich Automation and Control am Bioenergy and Sustainable Technologies (BEST) Kompetenzzentrum im österreichischen Graz, im Rahmen des internationalen Forschungsprojekts “Ship2Fair” einen selbstlernenden Algorithmus entwickelt, der vorhersage, wie viel Solarenergie in jeder kommenden Stunde zu erwarten sei und wie hoch der Solarertrag werde, den die Solarthermie-Anlage einfahre.

Das System baue demnach auf einem dreistufigen Prozess auf, der stündlich wiederholt werde.

1. Im ersten Schritt bestimme der Algorithmus automatisch und basierend auf früheren Messdaten, welche Parameter der Energiebilanz er zum Ermitteln der Solarenergie in der kommenden Stunde nutze.
2. Im nächsten Schritt hole er sich Prognosen vom Wetterdienst meteoblue, erklärte Viktor Unterberger gegenüber dem Internetportal futurezone.at. Der Schweizer Wetterdienst arbeite international. Somit könnten Unterberger zufolge sämtliche europäischen Länder, die die Methoden anwenden wollten, die selbe Schnittstelle verwenden. Die wichtigsten Informationen, die man brauche, seien demnach die Sonneneinstrahlung (wie viel Watt pro Quadratmeter) und die Außentemperatur. Damit könne der Algorithmus berechnen, wie viel Solarenergie in der nächsten Stunde zu erwarten sei.
3. Im dritten und letzten Schritt gleiche das System seine Prognose mit den tatsächlichen Werten ab, korrigiere und präzisiere auf diese Weise seine künftigen Voraussagen.

Unterberger erklärt in einem Satz, wie der selbstlernende Algorithmus so für mehr Effizienz der Solarthermie-Anlage sorge: Wenn man wisse, dass der Wärmespeicher am Samstag voll sei und am Sonntag ein schöner Tag komme, könne man den Speicher vorzeitig entladen. So könne man am darauffolgenden Tag den vollen Solarertrag nutzen.

Im Praxistests erzielt der Algorithmus präzise Voraussage vom Solarertrag

Tests hätten gezeigt, so schreibt futurezone.at in seinem Bericht weiter, dass das Verfahren eine fast doppelt so genaue Voraussage vom Solarertrag biete wie herkömmliche Vorhersagemethoden. Weil das eine bessere Planung ermögliche, könnten Solarthermie-Anlagen laut Unterberger effizienter in industrielle Prozesse integriert werden.

Ein weiterer Vorteil sei, dass sich mit dem selbstlernenden Verfahren zugleich der Betrieb von zusätzlich eingesetzten, Großteils noch fossilen Wärmerzeugern mindern ließe, die bei schlechterem Wetter als Ersatzwärmeerzeuger dienten. Infolgedessen würden auch weniger Treibhausgase emittiert. Denn, wie auch das Beschleunigen und Abbremsen von Fahrzeugen höhere Emissionen erzeuge als konstantes Fahren, seien auch Ein- und Ausschaltvorgänge bei gewissen fossilen Wärmeerzeugern (Takten) laut Unterberger besonders emissionslastig.

Unterberg erklärt dazu: Wenn man wisse, dass in einer Stunde viel Solarenergie anstünde, könne man es sich sparen, den fossilen Heizkessel einzuschalten. Daneben würden mit der Methode generell auch Kosten reduziert und die Gesamteffizienz erhöht. Der Wissenschaftler berichtet, dass das System bereits für die Industrie und für Fernwärmesysteme zum Einsatz komme, aber auch im kleineren Rahmen für Gebäuderegelung mit Solarthermie in Graz. Für industrielle Fertigungsprozesse komme er darüber hinaus in Spanien, Frankreich, Italien und Portugal schon zur Anwendung.

Das selbstlernende Algorithmus passt sich an

Der Algorithmus, der Unterberg zufolge in allen handelsüblichen Steuerungen implementiert werden könne, passe sich automatisch äußeren Veränderungen an. Werde beispielsweise ein Feld mit Solarthermie-Kollektoren erweitert oder beschattet, erkenne das System, dass der Ertrag je nach Einstrahlung größer oder kleiner sei und adaptiere seine Messungen.