Maschinelles Lernen verbessert Prognosen für Solarstromerzeugung

KALIFORNIEN / MÜNCHEN (IT BOLTWISE) – Die präzise Vorhersage der Solarstromerzeugung ist entscheidend für die effiziente Nutzung erneuerbarer Energien. Ein Forscherteam am Karlsruher Institut für Technologie (KIT) hat nun untersucht, wie maschinelles Lernen die Genauigkeit dieser Prognosen verbessern kann.

Die Nutzung von Photovoltaikanlagen zur Stromerzeugung ist stark von der Sonneneinstrahlung abhängig. Um die Effizienz dieser Anlagen zu maximieren, sind präzise Vorhersagen über die zu erwartende Solarleistung unerlässlich. Hierbei spielt die Energiemeteorologie eine zentrale Rolle, ein Forschungszweig, der sich mit der Optimierung von Wetterdaten und Beobachtungssystemen befasst, um die Solarstrahlung auf spezifische Anlagen möglichst genau vorherzusagen.

Traditionell basieren Wettervorhersagen auf numerischen Wettermodellen, die mithilfe komplexer Gleichungen und Daten von Messstationen die Veränderungen in der Atmosphäre berechnen. Für die Vorhersage der Photovoltaik-Leistung ist insbesondere die globale horizontale Bestrahlungsstärke (GHI) von Bedeutung, da sie angibt, wie viel Sonnenenergie auf eine horizontale Fläche trifft.

Ein Team am KIT hat nun erforscht, wie maschinelles Lernen die Vorhersagen dieser Modelle verbessern kann. Die Studie, die im Fachmagazin Advances in Atmospheric Sciences veröffentlicht wurde, zeigt, dass die Nachbearbeitung der Vorhersagen durch maschinelles Lernen zu einer erheblichen Verbesserung der Genauigkeit führt. Besonders effektiv ist diese Methode, wenn sie auf die Leistungsvorhersagen angewendet wird, anstatt direkt auf die Wetterdaten.

Ein bemerkenswerter Vorteil der KI-gestützten Direktprognose ist, dass sie keine spezifischen Kenntnisse über die technischen Spezifikationen der Solaranlage erfordert. Allerdings sind genaue historische Trainingsdaten notwendig, um die Modelle zu optimieren. Die Studie nutzte Daten des Solarparks Jacumba in Kalifornien, um die Vorhersagen zu testen und zu validieren.

Die Forscher fanden zudem heraus, dass die Einbeziehung der Tageszeit die Genauigkeit der Vorhersagen weiter steigern kann. Durch das Training separater Modelle für jede Stunde des Tages oder die direkte Integration der Zeit in die Algorithmen konnten erhebliche Verbesserungen erzielt werden.

Obwohl die Studie sich auf eine einzige Solaranlage konzentriert, verdeutlicht sie das Potenzial von KI-Modellen zur Optimierung von PV-Prognosesystemen. Angesichts des Wachstums erneuerbarer Energien wird die Fähigkeit, die Leistung dieser Anlagen im Voraus zu berechnen, für Betreiber immer wichtiger.

Bestseller Nr. 1 ᵃ⤻ᶻ «KI Gadgets»

Apple AirTag - Finde und behalte Deine Sachen im Blick: Schlüssel, Geldbörsen, Gepäck, Rucksäcke und mehr. Einfaches Einrichten mit iPhone oder iPad. Austauschbare Batterie

30,99 EUR

Bestseller Nr. 2 ᵃ⤻ᶻ «KI Gadgets»

Mobvoi TicNote KI Digitales Diktiergerät, 64 GB Speicher, Notizrekorder mit Hülle, App-Steuerung, über 100 Sprachen, Transkribieren, Zusammenfassen mit AI Shadow,digitaler Audiorekorder Sprachrekorder

169,99 EUR

Bestseller Nr. 3 ᵃ⤻ᶻ «KI Gadgets»

Plaud Note KI Digitales Diktiergerät mit Hülle - 64 GB Aufnahmegerät mit KI-Technologie zum Transkribieren und Zusammenfassen, One-Touch-Aufnahme, Rauschunterdrückung, Unterstützt 112 Sprachen

169,90 EUR

Bestseller Nr. 4 ᵃ⤻ᶻ «KI Gadgets»

Plaud NotePin Sprachrekorder, KI-Sprachrekorder, App-Steuerung, KI-Notizgerät, KI-Transkription & Zusammenfassung, 112 Sprachen, 64GB Speicher, Audiorekorder für Vorlesungen, Meetings, Kosmisches Grau

169,90 EUR

Bestseller Nr. 5 ᵃ⤻ᶻ «KI Gadgets»

SOXOI KI Digitales Diktiergerät, 64GB Magnet Mini Aufnahmegerä mit ChatGPT 4o vom Transkribieren und Zusammenfassen für 102 Sprachen,One Touch Aufnahme, Voice Recorder Sprachrecorder (Schwarz)

79,99 EUR

Unseren KI-Morning-Newsletter «Der KI News Espresso» mit den besten KI-News des letzten Tages gratis per eMail - ohne Werbung: Hier kostenlos eintragen!