KI-basierte Fehleranalyse für die Instandhaltung erneuerbarer Erzeugung

Mit der Dekarbonisierung der Energielandschaft ändert sich auch die Struktur der Anlagenparks. Der Anteil kleinerer dezentraler Anlagen, die nur remote gesteuert werden, nimmt zu. Damit ergeben sich auch neue Herausforderungen für die O&M-Strategie. Eine konventionelle Anlage mit einigen hundert MW installierter Leistung hat 2000-3000 Messwerte, die Informationen über den Zustand der Anlage und ihrer Komponenten beinhalten und die Hinweise auf Verschleiß und mögliche Störungen geben können. Eine Photovoltaik-Anlage mit 3MWp hat oft ebenfalls 3000 Messungen. Ein PV-Portfolio mit einigen hundert MWp erzeugt also alle 5 min oder 10 min eine Flut von Messwerten in der Größenordnung von einer Million Werte. Die Überwachung dieses Portfolios muss in der Regel remote durch ein kleines Team ohne permanente Präsenz vor Ort erfolgen. Softwarelösungen, die 24/7 im Onlinebetrieb Messwerte überwachen und frühzeitig und belastbar Veränderungen im Anlagenverhalten erkennen, tragen schon bei der Betriebsführung konventioneller Anlagen zur Effizienzsteigerung und Reduktion der Instandhaltungskosten bei. In einer erneuerbaren, stärker dezentralen, dekarbonisierten Erzeugungslandschaft wird die Bedeutung dieser Werkzeuge wegen der Messwertflut weiter zunehmen. Iqony und das Fraunhofer Institut IAIS haben daher Werkzeuge entwickelt, um Betriebsführung und Instandhaltung von erneuerbaren Anlagen mit Methoden der künstlichen Intelligenz zu unterstützen. Dabei wurden sowohl Verfahren, die im Kontext konventioneller Erzeugung bekannt sind, auf die Anforderungen erneuerbarer Erzeugung übertragen als auch neue Ansätze erarbeitet.