Die zu erwartenden Lebensdauer von Photovoltaikanlagen und ihrer Komponenten bestimmt maßgeblich ihre Wirtschaftlichkeit und ist damit ein kritischer Faktor für ihren Einsatz. Die meisten Ausfälle von Photovoltaikanlagen werden durch Ausfälle von Wechselrichtern (Invertern) verursacht. Leistungsstarke Inverter binden große PV-Felder an das Netz an, leistungsschwächere Haushalte mit Kleinanlagen. Der plötzliche Ausfall eines leistungsstarken Inverters verursacht in der Regel signifikante Störungen im angeschlossenen Verteilnetz z.B. durch Frequenzstörungen.

Kann aus den Daten, die ein Inverter aufnimmt und ständig in die Datenbank des Herstellers einspeist (Internet of Things), vorher erkannt werden, dass ein Ausfall bevorsteht, so kann der Inverter repariert oder ausgetauscht werden, bevor der tatsächliche Ausfall entsteht.

Durch Ausfallprognosen für leistungsstarke Inverter kann der Hersteller der Inverter dem Verteilnetzbetreiber einen zusätzlichen Service bieten, um eine stabile Versorgungssicherheit in stark PV-durchdrungenen Stromnetzen zu garantieren.

Im Projekt VORAUS PV wird untersucht, ob und wie moderne Datenanalyseverfahren (maschinelles Lernen) das Erkennen und Vorhersagen von Ausfällen von Photovoltaikwechselrichtern ermöglichen.

Ziel dieses Projektes ist es, anhand der vorhandenen Daten des Projektpartners und Wechselrichterherstellers SMA Algorithmen zu entwickeln und zu evaluieren, die in der Lage sind einzelne Ausfallereignisse in der Zukunft vorherzusagen. Das Projekt VORAUS PV ermöglicht erstmals eine systematische Auswertung einer sehr großen Menge von nicht standardisierten Daten aus der Fertigung und mehreren Jahrzehnten Betrieb unterschiedlicher Photovoltaikwechselrichtergenerationen in weltweitem Einsatz.

Machine Learning, Big Data, Predictive Maintenance, Condition Monitoring.