CSEM und Meteotest stellen ihre SkyCam-Daten zur Verfügung

Dank des Solarenergie-Booms hat die lokale und dezentralisierte Stromproduktion, zum Beispiel in Wohnsiedlungen, stark zugenommen. Für die Optimierung und Steuerung solcher Anlagen ist es wichtig, die Sonneneinstrahlung und damit den Wirkungsgrad eines Photovoltaiksystems voraussagen zu können. Das gilt umso mehr bei den autonomen Systemen (Insellösungen), bei denen Solarmodule mit einem Dieselgenerator gekoppelt werden.

Im Rahmen des vom BFE unterstützten Projekts SkyCam haben das CSEM und Meteotest gemeinsam an einer kostengünstigen Lösung gearbeitet, um mithilfe von Kameras und künstlicher Intelligenz (KI) die Sonneneinstrahlung auf lokaler Ebene zu bestimmen und kurzfristig vorherzusagen. Die Ingenieure und Naturwissenschafter haben in Alpnach, Bern und Neuenburg – drei klimatische Schlüsselregionen mit unterschiedlicher Topografie – CMOS-Kameras und Pyranometer aufgestellt. Während eines Jahres wurden alle 10 Sekunden die Bilddaten der Himmelsaufnahmen und die Daten der hochpräzisen Pyranometer, die die Stärke der Sonneneinstrahlung vor Ort massen, erfasst.

Drei Untersuchungsstationen an den Standorten Alpnach, Bern und Neuenburg: An jedem der Standorte misst ein Pyranometer (kalibrierte Class A Hukseflux SR30) die Gesamtstrahlung.

Insgesamt drei Untersuchungsstationen an den Standorten Alpnach, Bern und Neuenburg. An jedem der Standorte misst ein Pyranometer (kalibrierte Class A Hukseflux SR30) die Gesamtstrahlung.Ein erster Vergleich im Rahmen des IEA PVPS Task 16 konnte aufzeigen, dass es möglich ist, relativ zuverlässige kurzfristige Voraussagen zu machen, wenn die erfassten Daten mit Machine-Learning-Algorithmen kombiniert werden; allerdings schwankt die Genauigkeit dieser Prognosen noch. Nach Abschluss des Projekts haben die involvierten Partner beschlossen, diese einmalige und umfassende Datenbank allen Spezialistinnen und Spezialisten zur Verfügung zu stellen, damit das Problem der kurzfristigen Vorhersage von Sonneneinstrahlung mithilfe lokaler Kameras in künftigen Arbeiten angegangen werden kann. «Wir möchten die Wissenschaftler dazu einladen, ihre eigenen KI-Algorithmen zu entwickeln», meint Philippe Schmidt, Head R&BD, Industry 4.0 & Machine Learning beim CSEM. «Aufgrund ihrer topografischen Vielfalt und der sich rasch ändernden meteorologischen Bedingungen erwies sich die Schweiz als perfektes Versuchsterrain, um eine solche Datensammlung zu erstellen», ergänzt Jan Remund, Leiter Energie & Klima bei Meteotest.

Weiterführende Informationen finden Sie hier und auf der CSEM Homepage. Die Daten sind auf GitHub dokumentiert.