Fachagentur Nachwachsende RohstoffeEin Projektträger des Bundesministeriums für Ernährung und Landwirtschaft

 

Projektverzeichnis - Details

Verbundvorhaben: Entwicklung einer selbstlernenden Steuerung zur Integration von Biogasanlagen in Netze mit hohem Anteil fluktuierender Stromerzeuger; Teilvorhaben 2: Optimierung Einstrahlungsvorhersage - Akronym: NETFLEX

Anschrift
Ludwig-Maximilians-Universität München - Fakultät für Physik - Lehrstuhl für Experimentelle Meteorologie
Theresienstr. 37
80333 München
Projektleitung
Prof. Dr. Bernhard Mayer
Tel: +49 89 2180-4383
E-Mail schreiben
FKZ
22400318
Anfang
01.09.2018
Ende
31.08.2022
Ergebnisverwendung
Zentrales Ergebnis des Teilvorhabens sind die entwickelten kamera- und satellitenbasierten Vorhersagesysteme für Einstrahlung auf PV-Anlagen, sowie deren Optimierung und Validierung. Mit Hilfe eines neuronalen Netzes können Wolken zuverlässig in Bildern von unbewölktem Himmel unterschieden werden und durch weitere Bildverarbeitung kann die Wolkenhöhe und -bewegung berechnet werden. Die Validierung der Einstrahlungsvorhersagen mit Messungen vom Gelände der Anlage zeigte deutliche Verbesserungen gegenüber einfacheren Vergleichsvorhersagen. Vorteile durch die Verwendung von zwei bodengestützten Kameras gegenüber der Nutzung einer einzelnen Kamera konnten gezeigt werden. In theoretischen Experimenten konnte gezeigt werden, dass der Vorhersagefehler für Flächenvorhersagen geringer ist als für Punktvorhersagen und damit die im Vorhaben genutzte Vorhersage für das PV-Feld erwartbar bessere Werte liefert. Durch die Vereinigung der kamerabasierten Einstrahlungsprognose mit dem PV-Modell zur PV-Prognose konnte der praktische Nutzen demonstriert werden. Die PV-Prognose kann den Fehler in der erwarteten PV-Leistung für Vorhersagehorizonte über 6 Minuten im Vergleich zu der über diese Zeiträume üblichen Annahme konstanter Stromerzeugung verringern, trotz der zusätzlichen Ungenauigkeiten des PV-Modells. Zusammen mit den Projektpartnern konnte die Einstrahlungsvorhersage erfolgreich in die intelligente Steuerung der Biogasanlage eingebunden und im Testbetrieb genutzt werden. Über den ursprünglichen Fokus dieses Vorhabens hinaus wurden mit den Projektpartnern Anforderungen für mögliche zusätzliche Vorhersagetypen diskutiert, mit denen z.B. durch Abschätzung der erwarteten Vorhersagefehler ein zusätzlicher Mehrwert für die Steuerung von Biogasanlagen generiert werden könnte.
Aufgabenbeschreibung
Ziel des Projekts ist die Entwicklung von innovativen Regelungsstrategien und Geschäftsmodellen sowie die Entwicklung einer selbstlernenden Steuerung für Biogasanlagen (BGAs) zur Vermeidung kurzfristiger, tageszeitlich auftretender Netzüberlastung im ländlichen Verteilnetz. Die Steuerung soll die lokalen Bedürfnisse des Verteilnetzes mit hohem Anteil fluktuierender Energieerzeuger ins Zentrum der vorausschauenden Fahrplanerstellung für BGAs rücken. Die Steuerung soll auf Schwankungen von Photovoltaikanlagen (PV) kurzfristig und selbstlernend reagieren. Hierzu werden laufend Wetterprognosen aus Modellen und modernen Nowcasting-Verfahren sowie PV-Strom-Einspeiseprofile, realer am Stromnetz angeschlossener PV-Anlagen, in den Steuerungsablauf integriert. Es werden Verbesserungen bisher verfügbarer Wetterprognosen hinsichtlich kleinräumiger und kurzfristiger Schwankungen bei sehr kurzen Vorhersagehorizonten auf Basis hochaufgelöster Satelliten- und Wetterkameradaten integriert. Die Stromerzeugung und die gleichzeitige Versorgung von Wärmenetzen durch BGAs werden untersucht. Zusätzlich soll die Steuerung der BGA Zellerfeld auf Netzbedürfnisse sensibilisiert und verbessert sowie das bestehende Monitoring weitergeführt werden.

neue Suche