Promotionsstipendium: Nils Straub

Prognose von hochaufgelösten Strahlungsfeldern mit Wolkenkamera- und Satellitenbildern unterstützt durch maschinelles Lernen

Ziel des Promotionsvorhabens ist die verbesserte Prognose von zeitlich und räumlich hochaufgelösten solaren Strahlungskarten. Solche Prognosekarten leisten einen wichtigen Beitrag zur Netzintegration großer Anteile solarer Energie und tragen zur optimierten Nutzung solarer Energiesysteme bei.

In einem nachhaltigen Energiesystem auf Basis erneuerbarer Energien wird Energie zunehmend an zahlreichen verteilten Standorten, anstatt durch wenige große Kraftwerke erzeugt und eingespeist. Während bei der konventionellen Energieerzeugung die Kraftwerksleistung vom Betreiber kontrolliert wird und flexibel angepasst werden kann, ist der Energieertrag aus erneuerbaren Energiequellen wie Wind und Solar hochvariabel und unterliegt kurzfristigen, teils starken Schwankungen (sog. Strahlungsrampen).

Mit Blick auf die Energiewende stellt daher die Entwicklung von Verfahren zum Ausgleich zwischen variabler Erzeugung und Verbrauch eine zunehmende Herausforderung dar. Solare Strahlungsprognosen, wie sie im Rahmen dieser Arbeit entwickelt werden, sind nötig, um den Energieeintrag aus Solarkraftwerken vorab abzuschätzen.

Anwendung finden sie in folgenden Bereichen:

  • Ausgleich prognostizierter lokaler Über- und Unterproduktionen an PV-Strom über den Energiemarkt bis zu (mindestens) 5 Minuten im Voraus.
  • Bessere Planbarkeit für die Zuschaltung von Spitzenlastkraftwerken. Dies verringert den Einsatz fossiler Energieträger und trägt zur Netzstabilität bei
  • Maximierung des genutzten Anteils der produzierten solaren Energie und dadurch Reduktion benötigter PV-Kapazitäten.
  • Gezielter Betrieb größerer Verbraucher mit Mindestlaufzeit, wie etwa Wärmepumpen, durch PV-Strom.
  • Effizienteres Energiespeichermanagement, etwa durch Planung von Ladezyklen von Batteriespeichern. Dadurch werden benötigte Kapazitäten minimiert und ihre Lebensdauern erhöht.

Bisher genutzte Verfahren zur Einstrahlungsprognose nutzen neben numerischen Wettermodellen vor allem die Daten geostationärer Wettersatelliten (Sat-Prognosen). Daneben kann der aktuelle Bewölkungszustand mit Weitwinkel-Kameras (ASIs) vom Boden aus erfasst werden um daraus kurzfristige hochauflösende Strahlungsprognosen zu berechnen.

Die Vision des Promotionsvorhabens besteht aus einer neuartigen Kombination von ASI- und Sat- Prognosen mittels geeigneter maschineller Lernverfahren (ML). Dabei sollen höhere Auflösungen bei geringeren Unsicherheiten erreicht werden, als mit bisher genutzten Verfahren. Vor der Kombination sollen verschiedene Ansätze zur Optimierung der beiden Einzelverfahren untersucht werden. Großes Potenzial wird dabei insbesondere durch Fortschritte im Bereich ML, Bildverarbeitung und der statistischen Auswertung von Strahlungszeitreihen gesehen.

AZ: 20022/024

Zeitraum

01.08.2022 - 31.07.2025

Institut

Universität Freiburg Inatech

E-Mail

Mail

Betreuer

Dr. Elke Lorenz