Das Fraunhofer-Institut für Solare Energiesysteme ISE hat ein neues Verfahren entwickelt, um genauere Solarstromprognosen zu erstellen als bisher möglich sind. Wie das Institut mitteilte, soll das neue Modell Netzbetreibern dabei helfen, das Stromnetz vorausschauend zu regeln und den Solarstrom zu vermarkten. Für die Prognosen sei eine möglichst genaue Vorhersage der solaren Einstrahlung erforderlich. Das KI-basierte Verfahren erlaube es, die Wolkenentwicklung in Satellitenbildern besser vorherzusagen. Dabei werte sie die Vorhersage gegen ein konventionelles Verfahren auf Basis von Wolkenzugsvektoren aus. Mit dieser Methode ließen sich Fehler bei der kurzfristigen Einstrahlungsprognose im Durchschnitt um elf Prozent verringern. Durch Einbindung zusätzlicher Infrarot-Aufnahmen lasse sich die Vorhersagegenauigkeit insbesondere am frühen Morgen nochmals deutlich verbessern.  

In Deutschland nutzten Netzbetreiber hauptsächlich Solarstromprognosen, die auf numerischen Wettervorhersagen basieren, um den Anteil an Photovoltaik-Strom in ihren Netzen abzuschätzen. Die Prognose finde meist einen Tag im Voraus statt. Kurzfristige Präzisierungen der Prognose – 15 Minuten bis zu ein paar Stunden im Voraus – für eine Vermarktung des Solarstroms auf dem Intra-Day-Markt oder für das Netzlastmanagement werden auf Basis von Echtzeitmesswerten der PV-Einspeisung sowie Vorhersagen der solaren Einstrahlung aus Satellitenbildern errechnet.

»Mit Hilfe des neuen Verfahrens konnten wir Vorhersagefehler gegenüber dem Referenzmodell auf allen untersuchten Vorhersagehorizonten – von 0 bis 4 Stunden je in 15 Minuten Auflösungsintervallen – deutlich reduzieren«, resümiert Nils Straub, Doktorand am Fraunhofer ISE und Hauptautor der Methode. »Im Durchschnitt waren die Vorhersagefehler 11 Prozent geringer.«

Ein Schwachpunkt von Vorhersagen basierend auf Satellitenbildern aus dem sichtbaren Spektralbereich seien die frühen Morgenstunden. Die Qualität der Bilder sei bei niedrigen Sonnenständen beeinträchtigt. Vor Sonnenaufgang seien sie komplett schwarz, so dass man in diesen Stunden keine Vorhersagen berechnen könne.

Infrarot für genauere Bilder

Das Forschungsteam adressierte dieses Problem, indem sie den sichtbaren Bildern zwei zusätzliche Infrarotkanäle hinzufügten. Diese seien nicht auf direktes Sonnenlicht angewiesen und funktionierten so auch im Dunkeln. »Gegenüber einem Modell das allein Bilder aus dem sichtbaren Spektrum nutzt wird, konnten wir die Vorhersageverfügbarkeit so deutlich steigern«, ergänzt Straub. »In Deutschland im Verlauf eines Jahres vor 8 Uhr von circa 22 auf bis zu 100 Prozent. Auch eine deutliche Verbesserung der Prognosen tagsüber war ein erfreuliches Nebenprodukt.« Die Aufgabe der KI in der Methode ist, die Wolkenentwicklung vorherzusagen und in Sonnenaufgangssituationen Infrarotkanäle für die Strahlungsvorhersage nutzbar zu machen.

»PV-Prognosesysteme spielen eine wichtige Rolle für den Handel mit Solarstrom, für das Netzmanagement und bei der Einsatzplanung von Kraftwerken«, erklärt Dr. Elke Lorenz, Gruppenleiterin für Solare Energiemeteorologie am Fraunhofer ISE. »Je mehr der Ausbau der fluktuierenden Erneuerbaren Energien voranschreitet, umso hilfreicher sind sie. Zwar übernehmen Speicher auch mehr und mehr eine stabilisierende Rolle für das Stromnetz ein, aber auch hier können PV-Einspeiseprognosen für einen kosteneffizienten Einsatz sorgen.

Neben dem tages- und jahreszyklischen Strahlungsprofil, das sich aus der Sonnen/Erdkonstellation relativ einfach und mit hoher Genauigkeit berechnen lässt, haben Wolken den größten Einfluss auf die Strahlung am Boden und sind sehr viel schwieriger vorherzusagen. Daher ist die Strahlungsvorhersage eng mit der Vorhersage zukünftiger Wolkensituationen verknüpft. Aus den vorhergesagten Wolkensituationen werden anschließend solare Strahlungskarten für die nächsten Stunden berechnet.«

Quelle: Fraunhofer ISE | www.solarserver.de © Solarthemen Media GmbH