Optimal getrackte PV-Anlagen durch Deep Learning

Die Zimmermann PV-Tracker GmbH, ein Teil der Zimmermann PV-Steel Group, und das Fraunhofer-Institut für Solare Energiesysteme ISE optimieren im Forschungsprojekt "DeepTrack" Tracking-Algorithmen mit einem digitalen Zwilling, der durch Deep Learning optimierte Steuerungsansätze berechnet. Lernen kann er unter anderem durch Daten seines echten Zwillings, gebaut durch Zimmermann PV-Tracker im Outdoor Performance Lab - dem Testfeld des Fraunhofer ISE in Merdingen.

Laut der vom Verband Deutscher Maschinen- und Anlagenbauer (VDMA) herausgegebenen International Technology Roadmap for Photovoltaic werden zukünftig weltweit 60 Prozent aller PV-Kraftwerke mit einem Tracker-System arbeiten. In Ländern mit starker Sonneneinstrahlung wie Spanien machen sie schon heute den größeren Anteil neugebauter PV-Freiflächenanlagen aus. Durch den Beschluss des Solarpaket I im Erneuerbare-Energie-Gesetz EEG wird auch in Deutschland ein starkes Wachstum an Agri-PV-Systemen mit PV-Trackern erwartet. »Gerade für die Agri-Photovoltaik mit ihren vielen unterschiedlichen Kulturen und Systemen sehen wir ein großes Potenzial für nachgeführte PV-Anlagen, deren Tracking-Algorithmus perfekt abgestimmt ist«, sagt Hannes Elsen, Produktmanager bei Zimmermann PV.

Im Forschungsprojekt »DeepTrack« baute das Unternehmen deshalb eine ihrer nachgeführten PV-Anlagen auf das Solartestfeld des Fraunhofer ISE für Messungen unter Freilandbedingungen. Das Projektkonsortium entwickelte darauf basierend einen digitalen Zwilling, der dank Deep Learning PV-Überwachungs- und Modellierungstools mit Wetterprognosen koppelt. So können die optimalen Trackingpositionen der PV-Module für unterschiedliche Bedarfe abgebildet werden. Das Forschungsprojekt ist bis Anfang 2025 angesetzt und wird unterstützt durch das Förderprogramm InvestBW des Ministeriums für Wirtschaft, Arbeit und Tourismus Baden-Württemberg.