Hohe Fehlerwerte bei PV-Leistungsprognosen ohne Schneeerkennung

Im Februar diesen Jahres kam es in Mittel- und Süddeutschland innerhalb sehr kurzer Zeit zu unverhältnismäßig starkem Schneefall. Lokal begrenzt waren plötzlich viele Photovoltaikanlagen mit einer dicken Schneeschicht bedeckt, die dort auch eine ganze Weile liegen blieb und folglich trotz Sonnenschein die Produktion von Solarstrom verhinderte. Wenn diese Schneebedeckung bei der Prognose der erzeugten Leistung von betroffenen Anlagen nicht berücksichtigt wird, sind hohe Abweichungen die Folge.

Beispiel einer Prognose mit Schneekorrektur. Aufgrund der Schneebedeckung war die Einspeisung auf unter 5% der installierten Leistung reduziert, obwohl aufgrund der Sonneneinstrahlung eine Leistung von 30% möglich gewesen wäre, wie in der unkorrigierten Prognose zu sehen. Die Abweichung zur tatsächlich erzeugten Leistung konnte durch die Korrektur drastisch reduziert werden.

Tool zur Schneeerkennung verbessert Solarleistungsprognosen

Das Team der enercast hat daher ein Tool entwickelt, welches die Leistungsprognosen in dieser Extremwettersituation anpasst. Dazu werden kontinuierlich etwaig vorhandene Messdaten sowie ausgewählte Wetterparameter wie Temperatur und Schneetiefe beobachtet. Je nach Ergebnis werden die Prognosen automatisch anpasst. Die Auswahl der richtigen Wetterparameter in Kombination mit den vorliegenden Messdaten war hierbei eine Herausforderung. Aufgrund der begrenzten Verfügbarkeit und Verwertbarkeit der Messdaten mussten zudem mehrere Fälle unterschieden werden.

Für Intraday- und Realtime-Prognosen liegen in den meisten Fällen Messdaten vor. Aufgrund diverser Fehler in den übermittelten Daten sind hiervon aber leider oft nicht viel mehr als 30% verwertbar. Für Day-Ahead-Prognosen können Messdaten hingegen nur sehr begrenzt herangezogen werden. Liegen keine Messdaten vor oder sind sie nicht verwertbar, muss die Analyse allein anhand der Wetterparameter erfolgen.

Sehr gute Ergebnisse im Pilotversuch

Der Dienst wurde am Portfolio eines Pilotkunden getestet und brachte sehr gute Ergebnisse. Die enge Zusammenarbeit mit dem Kunden war hierbei ein wichtiger Erfolgsfaktor. Zukünftig könnten weitere Parameter in die Berechnung aufgenommen werden und die Ergebnisse optimieren, etwa die Neigungswinkel der PV-Anlagen als Hinweis darauf geben, wie wahrscheinlich es ist, dass der Schnee abrutscht oder auf der Anlage liegen bleibt.

Melden Sie sich zu unserem Newsletter an

Hat Ihnen unser Blogbeitrag gefallen und möchten Sie regelmäßige Updates zur Leistungsprognose für erneuerbare Energien erhalten? Dann melden Sie sich jetzt für unseren Newsletter an.