08.04.2026 – Forschende des Fraunhofer-IFF entwickeln ein neues Sensorsystem, das detaillierte Einblicke in die Modulebene von Photovoltaik-Großkraftwerken ermöglicht, um Abweichungen, Verschmutzungen und Defekte frühzeitig zu erkennen.
Photovoltaik-Großkraftwerke bestehen oft aus Zehntausenden von Modulen und Komponenten. Allerdings überwachen gängige Systeme die PV-Großanlagen nicht auf der Modulebene, sondern meist nur auf dem String- oder Wechselrichterlevel – wodurch modulindividuelle Zustände unsichtbar bleiben. Doch gerade auf der Modulebene entstehen Fehler, die auf die verschalteten Solarmodulreihen (Strings) ausstrahlen können.
Um Anlagendefekte zu vermeiden und Anomalien aufzuspüren, die durch den „Blindflug“ auf Modulebene hervorgerufen werden können, entwickelt das Fraunhofer IFF gemeinsam mit den Unternehmen BEIA Consult International und INELSO Innovative Electrical Solutions ein neues Sensorsystem, das die Überwachung und vorausschauende Wartung von PV-Großkraftwerken auf Modulebene ermöglicht.
Höhere Messauflösung auf Modulebene
Die Forschungspartner verfolgen beim Projekt ZeroDefect4PV den Ansatz einer kontinuierlichen und hochgranularen Überwachung auf Modulebene. Die im Vorhaben vom Unternehmen INELSO Innovative Electrical Solutions entwickelte Sensorik soll für jedes einzelne Solarmodul differenzierte, hochaufgelöste Messdaten mit einer zeitlichen Aktualisierung entsprechend der jeweiligen Abtastrate liefern.
Die auf der Rückseite der Photovoltaikmodule installierten Sensoren messen die Gleichspannung und den Gleichstrom einzelner Solarpanels sowie die Modultemperatur als Indikator für die thermische Belastung und Fehlerzustände. Auch die Sonneneinstrahlung wird berücksichtigt. Sie wird nicht direkt über die Datenerfassungseinheit (DCU) gemessen, sondern von einer separaten Wetterstation erfasst. Deren Daten fließen gemeinsam mit den DCU-Werten in die KI-Modelle ein.
Die im Projekt ZeroDefect4PV entwickelte neue Sensorik soll Fehler in Photovoltaik-Großkraftwerken frühzeitig erkennen. (Bild: Fraunhofer-Institut für Fabrikbetrieb und -automatisierung IFF)
Master-Slave-Architektur
Die Prototypsensoren – sogenannte Datenerfassungseinheiten – kommunizieren im Projekt über ein als Master-Slave-Architektur organisiertes Mesh-Sensornetzwerk. Sie senden die Daten mit dem ESP-NOW-Kommunikationsprotokoll über das Sensornetz via LoRaWAN an übergeordnete Sammelpunkte (Gateways), die ihrerseits die Informationen an eine Datenplattform in einer zentralen Leitwarte weiterleiten. Die Daten werden synchronisiert, gespeichert und mithilfe von Analytik sowie KI-gestützter Modelle verarbeitet und ausgewertet.
Dr. Christoph Wenge, Wissenschaftler am Fraunhofer IFF, erläutert, wie die KI-basierte Anomalieerkennung funktioniert: „In den in Reihe geschalteten Solarpanels können unterschiedlichste Fehler auftreten, nicht nur an den Modulen selbst, sondern auch in den Bypassdioden, in den Kabel- oder Montagesystemen. Anders als bei der Messung am Wechselrichter klassifiziert unser System die Fehler. Es erkennt, wo sie auftreten. KI-Modelle, die zuvor mit Fehlern trainiert wurden, analysieren Muster, identifizieren Abweichungen vom Normalverhalten, identifizieren Anomalien und deren Auswirkungen – etwa ob String A einen geringeren Ertrag als String B liefert. Über implementierte Assistenzfunktionen, die über Monitore in der Leitwarte angezeigt werden, erhalten Mitarbeitende der Leitwarte Handlungsempfehlungen – etwa die Säuberung oder den Austausch eines Moduls.“
Erste Tests laufen
Derzeit finden Testläufe in der Pilotanlage am Fraunhofer IFF statt: Die Forschenden prüfen anhand von geringfügigen Veränderungen und Charakteristika im Strom- und Spannungsverlauf, ob die KI-Modelle die Art des Fehlers erkennen. Master- und Slave-Sensoren wurden bereits im Labor auf Messgenauigkeit, Stabilität und Kommunikationszuverlässigkeit getestet, die Sensoren wurden an die IKT-Infrastruktur (Informations- und Kommunikationstechnik) am Fraunhofer IFF angebunden. Weitere Untersuchungen am Fraunhofer IFF umfassen die gezielte Verschattung von Modulen durch Blätter und die Auswertung der thermischen Aufnahmen.
Darüber hinaus sind Tests beim Partner INELSO Innovative Electrical Solutions geplant, die sich auf die Validierung der Hardware in einem PV-Feld in der Türkei fokussieren. Projektpartner BEIA Consult International testet seinerseits in Bukarest die KI-Modelle des Fraunhofer IFF anhand der Daten von SolarEdge-Wechselrichtern zum Energieverbrauch und zur Energieproduktion. „Mit den Pilotinstallationen validieren wir unser System unter Realbedingungen, sodass wir Hardware, Kommunikation und Datenmodelle iterativ optimieren und die Skalierbarkeit für große PV-Parks bewerten können“, fasst Dr. Christoph Wenge die weiteren Versuche zusammen. (cp)
Beitragsbild: Soonthorn / stock.adobe.com