Da Zuverlässigkeitsprüfungen von Photovoltaik (PV) Modulen mit großem Aufwand verbunden sind, besteht in der PV Community seit jeher das Bestreben, Mess- und Charakterisierungsdaten aus beschleunigten Alterungstests bzw. Modellierungen zur Einschätzung der Lebensdauer heranziehen zu können. Das Projekt ADVANCE! hat sich zum Ziel gesetzt die Modellierung der Alterungsvorgänge von Photovoltaikmodulen voranzubringen. Es befasst sich mit innovativen und komplexen statistischen und Machine Learning Datenverarbeitungsmethoden zur digitalen Analyse und verbesserten Modellierung des zeit- und stressabhängigen Leistungsverhaltens (Degradation und Zuverlässigkeit) von PV-Modulen.
Das Projektkonsortium wird sich auf datenwissenschaftliche Ansätze zum Verständnis von Materialdegradationen konzentrieren. Unterschiedlichste Modellierungsansätze (statistisch, chemisch–physikalisch-elektrisch) sollen entwickelt und angewandt werden, um Zusammenhänge zwischen dem Leistungsabfall von in Betrieb befindlichen PV-Modulen, dem spezifischen Degradationsverhalten der eingesetzten Materialien und Materialverbunde sowie den einwirkenden Stressbedingungen zu erkennen.
Basierend auf
– Charakterisierungsdaten von PV-Materialien/Komponenten/Modulen, die vor, während und nach beschleunigten Alterungstests zum Materialabbau ermittelt wurden, und
– Messdaten aus im Feld gealterten Modulen
können Vorhersagen zur Lebensdauer von PV-Modulen (Multi-Material-Verbunden) unter den unterschiedlichsten Einsatzbedingungen getroffen werden. Diese Modelle werden auch für die Erarbeitung von Verbesserungsvorschlägen im Fertigungsprozess und von vorausschauenden Instandhaltungsmaßnahmen (predictive maintenance) verwendet.
Das interdisziplinäre Forschungsvorhaben ADVANCE! wird so neue Wege in der digitalen Analyse des Langzeit- und Degradationsverhaltens von PV-Modulen erschließen und Grundlagen für zukünftige Materialentwicklungen und prädiktive Instandhaltungsvorgaben für PV-Anlagen entwickeln.
Förderung: FFG / Energieforschung 6. Ausschreibung 2019
Projektkonsortium:
- Lead: AIT Austrian Institute of Technology
- Österreichisches Forschungsinstitut für Chemie und Technik (OFI)
- TÜV AUSTRIA Data Intelligence
- Silicon Austria Labs
- Polymer Competence Center Leoben
- Sonnenkraft Energy
- Fachhochschule Technikum Wien
