Laufzeit: | 01/2021 - 03/2024 |
Auftraggeber / Zuwendungsgeber: |
Bundesministerium für Wirtschaft und Klimaschutz (BMWK) |
Kooperationspartner: | Verbundprojektpartner:
Assoziierte Partner:
|
Projektfokus: | ![]() ![]() ![]() ![]() ![]() ![]() |
Laufzeit: | 01/2021 - 03/2024 |
Auftraggeber / Zuwendungsgeber: |
Bundesministerium für Wirtschaft und Klimaschutz (BMWK) |
Kooperationspartner: | Verbundprojektpartner:
Assoziierte Partner:
|
Projektfokus: | ![]() ![]() ![]() ![]() ![]() ![]() |
Im Projekt »SnowFogS« werden verbesserte Methoden zur Leistungsprognose von Photovoltaik (PV) für zwei kritische Wettersituationen entwickelt: Nebel und Schnee. In beiden Fällen können große Fehler in Hochrechnung und Vorhersage der PV-Einspeisung auftreten. Methoden aus dem Bereich des maschinellen Lernens haben das Potenzial solche Situationen in Satellitenbildern zu identifizieren und damit Vorhersagen der Bewölkungssituation maßgeblich zu verbessern. Im Rahmen des Projekts wurden neue Klassifikationsverfahren für Nebel und Schnee mit höherer Genauigkeit und breiterer Anwendbarkeit im Vergleich zu etablierten Verfahren entwickelt. Im weiteren Verlauf werden die Auflösung von Nebel prognostiziert und exaktere Verfahren zur Prognose der solaren Einstrahlung und PV-Leistung entwickelt.
Für die Netzintegration und Vermarktung zunehmender Energiemengen aus PV-Anlagen benötigen Netzbetreiber zuverlässige Informationen über die PV-Einspeisung im Netzgebiet. Dabei spielen sowohl Vorhersagen für den folgenden Tag und die nächsten Stunden als auch Hochrechnungen der aktuellen Netzeinspeisung eine große Rolle.
In vielen Wettersituationen haben regionale Prognosen der solaren Einstrahlung und PV-Leistung heute eine hohe Genauigkeit. Bei Auftreten von Nebel sind sie jedoch mit deutlich größeren Unsicherheiten verbunden, die kurzfristige Prognose der Bildung und Auflösung von Nebel stellt im Vergleich zur Vorhersage von Wolkenbewegungen eine besondere Herausforderung dar. Schnee kann durch einerseits zusätzliche Reflexion und andererseits stark gedämpfte Durchlässigkeit der Sonneneinstrahlung sehr unterschiedliche Auswirkungen auf den Ertrag von PV-Anlagen haben und ebenfalls zu großen Prognosefehlern führen.
Das Projekt »SnowFogS« hat sich daher zum Ziel gesetzt, PV-Vorhersagen in durch Nebel und Schnee verursachten kritischen Situationen zu verbessern. Dafür werden Methoden des maschinellen Lernens auf Aufnahmen von meteorologischen Satelliten angewendet und Modelle für die Identifikation von Nebel und Schnee sowie die zeitliche Entwicklung trainiert. Bereits entwickelt wurden neue Verfahren für:
Diese neuen Verfahren bieten im Vergleich zu bestehenden Ansätzen eine breitere Anwendbarkeit und/oder eine höhere Genauigkeit.
Im weiteren Projektverlauf werden zusätzlich in folgenden Bereichen neue Methoden entwickelt und bestehende Verfahren verbessert:
Im Projektkonsortium arbeiten Experten aus den Bereichen meteorologischer Satellitenbildanalyse, künstlicher Intelligenz und maschinelles Lernen sowie PV-Leistungsprognosen zusammen. Gemeinsam mit zwei deutschen Übertragungsnetzbetreibern werden neue Methoden entwickelt und in der Anwendung erprobt.