Kl-basierte Charakterisierung und Klassifizierung von PV-Anlagen zur prädiktiven Wartung (Kick-PV)
Im Projekt „Kick-PV“ werden vier verschiedene Verfahren für eine vorwiegend ferndiagnostische Inspektion photovoltaischer Kraftwerke entwickelt. Es werden einige Pakete von Demonstrator-Software für die Ferndiagnostik geschaffen, die Algorithmen der Künstlichen Intelligenz und des Maschinellen Lernens enthalten. Weiterhin wird ein mobiles Labor aufgebaut, basierend auf allgemein verfügbarer Messtechnik und im Projekt entwickelter Demonstrator-Software, welches der Vor-Ort-Diagnose von Fehlern und Degradationsszenarien und der Kalibrierung dient.
Die Motivation für das Projekt ergibt sich aus der Notwendigkeit, Einspeiseausfälle von PV-Anlagen vorausschauend zu vermeiden, gemäß dem wünschenswerten Konzept der prädiktiven Wartung. Derzeitig verfügbare Verfahren zur ferndiagnostischen Leistungs- und Ertragsbewertung bzw. zur Identifikation von Fehlern und Degradationstypen arbeiten entweder zu langsam oder sind nicht hinreichend präzise.
Nach erfolgreicher Bearbeitung des Projektes werden zukünftig Leistungseinbrüche in Teilen von PV-Kraftwerken sehr früh in Stärke und Ursache erkannt, was PV-Anlagen-Betreiber sicher vor finanziellen Schäden schützen wird. Das Projekt unterstützt den Ansatz, eine kalkulierbare und stabile Erzeugung von elektrischer Energie durch Photovoltaik zu erreichen und somit die Versorgungssicherheit zukünftiger regenerativer Energiesysteme zu erhöhen.
Reinforcement Learning basiertes Lastmanagement zur Flexibilisierung von Wohnheimen – ReLLFloW
Zur Anpassung der Stromlast in Niederspannungsnetzen an die volatile Erzeugung erneuerbarer Energieträger wird in ReLLFloW ein Studierendenwohnheim durch elektrische Speicher pro Wohneinheit (Schwarmspeicher) zum Reallabor für die Erprobung auf Machine Learning basierender Steuerverfahren umgerüstet. Sogenannte Reinforcement-Learning-Verfahren werden zu einer autonomen Steuerungslösung zur intelligenten Be- und Entladesteuerung der Batterien weiterentwickelt. Über diese Verfahren wird ein autonomes, datensicheres, skalierbares und praxistaugliches Lastmanagementsystem entwickelt. Die Überwachung des Steuersystems durch den für das Niederspannungsnetz zuständigen Netzbetreiber wird durch die Entwicklung einer Monitoring-Anwendung ermöglicht. Zusammengefasst sollen in dem Projekt folgende Aufgabenstellungen gelöst werden:
- Flexibilisierung des Stromnetzes durch digitale Stromzähler, Gateways und intelligentes Lastmanagement in Wohnheimen und Mehrfamilienhäusern
- Erprobung eines Schwarmspeichers zur Glättung der volatilen Stromlasten in Niederspannungsnetzen und Einhaltung der normativen Auflagen
- Entwicklung eines autonomen Systems zur eigenständigen, automatisierten Verwaltung der elektrischen Verbräuche bei Stromnetzkunden
- Entwicklung eines Monitoring- und Kontrollsystems für Netzbetreiber zur Kontrolle autonomer Lastmanagementsysteme
Smarte Batteriesteuerung für die Produktion – SmartB4P
Produzierende Unternehmen stehen aufgrund hoher Preise für elektrische Energie großen Herausforderungen gegenüber.
Smartes und integriertes Laden von Elektrofahrzeugen auf Firmenparkplätzen – SmiLE
Mit dem Anstieg der Anzahl von E-Fahrzeugen auf Unternehmensparkplätzen verschärft sich nicht nur die Stellplatzauswahl, sondern auch die Suche nach freien Ladeadaptern. Zudem stehen Unternehmen vor der Problematik, dass die E-Fahrzeuge durch unkontrolliertes Laden teure Lastspitzen erzeugen können – dies bei ohnehin hohen Energiepreisen.
3D-LID – 3D Leistungstransformatoren mit integrierter Drossel
Magnetische Bauelemente spielen eine wichtige Rolle in vielen leistungselektronischen Schaltungen, zum Beispiel zur galvanischen Trennung oder zur Spannungsanpassung. Die Miniaturisierung dieser Komponenten wird durch steigende Taktfrequenzen moderner Halbleiter ermöglicht, parasitäre Effekte durch hohe Betriebsfrequenzen stellen aber auch Herausforderungen dar.