12.05.2025 – Die Informatik-Professorin Grit Behrens von der Hochschule Bielefeld und Energiemeteorologen von der TH Rosenheim erforschen gemeinsam, wie sich die Effizienz von PV-Feldern erhöhen lässt. Ihre Lösung: Eine Kombination aus Wolkenkamera und KI soll präzisere Voraussagen treffen können, wie viel Strom eine PV-Anlage je nach Wetterlage erzeugen wird.
Das Energiemeteorologie-Projekt „Helios“ der Hochschule Bielefeld (HSBI) zielt darauf ab, eine zu fast 100 Prozent genaue Kurzzeitprognose des Photovoltaik-Ertrages von PV-Anlagen zu generieren. Zu diesem Zweck haben die Forscher:innen am Photovoltaik-Feld im bayerischen Buttenwiesen im Abstand von einem Kilometer zwei All Sky Imagers (ASI) installiert. Die beiden Kamerasysteme beobachten die Wolkenbewegungen und schießen dabei durch ihre Fischaugenlinsen alle zehn Sekunden Fotos vom Himmel. „Mit diesen Bildern füttern wir Tag für Tag unsere KI, die damit implizit alles über Meteorologie lernt, was für unseren Zweck von Bedeutung ist“, erläutert Informatik-Professorin Grit Behrens von der Hochschule Bielefeld.
Die Idee hinter dem Forschungsprojekt Helios: Eine Kombination aus Wolkenkamera und KI weiß schon im Voraus, wie viel Strom eine PV-Anlage erzeugen wird. (Bild: Andreas Boschert / TH Rosenheim)
Die auf diese Weise mit Daten versorgte KI soll zeitlich und räumlich hochauflösende Kurzfristprognosen für solare Einstrahlung erstellen. Hierzu wird jede getroffene Prognose mit dem zugehörigen realen PV-Ertrag abgeglichen, um das System kontinuierlich „schlauer“ zu machen – und so die Prognosegenauigkeit zu schärfen. Die zusätzliche Einfütterung von Open-Source-Wetterdaten macht die Vorhersagen abermals präziser. „Bis zum Ende des Jahres wollen wir uns, was die Genauigkeit angeht, der 100-Prozent-Marke möglichst weit annähern“, so Grit Behrens.
Bessere Direktvermarktung von PV-Strom
Die Daten des Forschungsprojekts stammen aus einem Photovoltaik-Feld im bayerischen Buttenwiesen. (Bild: Andreas Boschert / TH Rosenheim)
Mit der Kombination aus Wolkenkamera und Sonneneinstrahlungsmessgerät gibt es in der Branche schon länger Erfahrungen, auf die man bei „Helios“ zurückgreifen kann. „Doch bislang wurde dieses Prinzip nur genutzt, um geeignete Standorte für Photovoltaik-Felder zu identifizieren“, sagt die HSBI-Professorin. „Bei der Direktvermarktung von PV-Strom nutzen die Akteure momentan meist einfach den Wetterbericht und gucken sich die Satellitenbilder an, um die Menge des erzeugten Stroms vorher abzuschätzen.“ Eine ziemlich ungenaue Methode. Die möglichen Folgen zum Beispiel für Stadtwerke: Strom wird zu billig verkauft, anstatt ihn beispielsweise unmittelbar zu verbrauchen oder zu speichern. Im Extremfall erzielt der Verkäufer einen negativen Preis, typischerweise im Frühsommer um die Mittagszeit. „Mit unserem System lässt sich das vermeiden“, ist sich Behrens sicher. „Deswegen haben wir auch die Stadtwerke Rosenheim als Projektpartner mit im Boot.“
Bis zur Marktreife des Systems fehlt nicht mehr viel: Grit Behrens geht davon aus, dass sich die KI-gestützte Technologie auf PV-Feldern in absehbarer Zeit durchsetzen wird. „In Fachkreisen kursiert derzeit die Zahl von dreißig Prozent als mögliche Effizienzsteigerung“, sagt die HSBI-Professorin. „Sogar für private Nutzer in der Stadt, die gemeinsam eine Solaranlage auf ihrem Dach betreiben, könnte sich das lohnen.“ (cp)
Beitragsbild: Symbolbild: Din Nasahrudin / stock.adobe.com (Ki-generiert)