Stud.IP Uni Oldenburg
University of Oldenburg
17.10.2021 14:16:07
ThesisTopics

Personal details

Title Entwicklung eines datengetriebenen Modells für eine Photovoltaik-Anlage (machine learning)
Description

Entwicklung eines datengetriebenen Modells für eine Photovoltaik-Anlage

Bachelorarbeit in der angewandten Informatik

Motivation

Die zu erwartende Lebensdauer von Photovoltaikanlagen und deren Komponenten bestimmt maßgeblich deren Wirtschaftlichkeit und ist somit ein kritischer Faktor für deren Einsatz. Der plötzliche Ausfall eines leistungsstarken Wechselrichters führt in der Regel zu erheblichen Störungen im angeschlossenen Verteilnetz, z.B. durch Frequenzstörungen.

Gespeist werden diese Wechselrichter zum Beispiel von großen Photovoltaikanlagen, die Strom aus Sonnenenergie erzeugen. Um das Verhalten von Wechselrichtern simulieren zu können, sind realistische Eingangsparameter erforderlich. So werden der Strom und die Spannung, die am Wechselrichter anliegen, durch die angeschlossenen Photovoltaikmodule bestimmt. Deren Leistung wiederum hängt von der Witterung ab.

Home institution Department of Computing Science
Type of work practical / application-focused
Type of thesis Bachelor's
Author Jelke Wibbeke, M. Sc.
Status available
Problem statement

Zielsetzung

Um Wechselrichter mit realistischen Leistungsprofilen simulieren zu können, soll ein Modell entwickelt werden, das aus Wetterdaten Erzeugungszeitreihen von Photovoltaik-Kraftwerken generiert. Ziel ist es, aus Sonneneinstrahlung, Temperatur, Luftfeuchtigkeit und Modulparametern die resultierende Spannung, Strom und Leistung zu berechnen.

 

Literatur

[1]          N. Al-Messabi, Yun Li, I. El-Amin, and C. Goh, “Forecasting of photovoltaic power yield using dynamic neural networks,” in The 2012 International Joint Conference on Neural Networks (IJCNN), Brisbane, Australia, Jun. 2012, pp. 1–5, doi: 10.1109/IJCNN.2012.6252406.

[2]          M. De Benedetti, F. Leonardi, F. Messina, C. Santoro, and A. Vasilakos, “Anomaly detection and predictive maintenance for photovoltaic systems,” Neurocomputing, vol. 310, pp. 59–68, Oct. 2018, doi: 10.1016/j.neucom.2018.05.017.

[3]          A. Mellit, S. Sağlam, and S. A. Kalogirou, “Artificial neural network-based model for estimating the produced power of a photovoltaic module,” Renew. Energy, vol. 60, pp. 71–78, Dec. 2013, doi: 10.1016/j.renene.2013.04.011.

Requirement

Profil

Die Arbeit richtet sich an Studierende der Informatik, Physik oder vergleichbarer Studiengänge, die sich für die Energieinformatik interessieren. Vorkenntnisse auf dem Gebiet der Photovoltaik und der Python-Programmierung sind wünschenswert, aber nicht zwingend erforderlich. Der Bewerber sollte bereit sein, sich motiviert und selbstständig mit dem neuen Thema auseinanderzusetzen.

Created 27/08/21

Study data

Departments
  • OFFIS - Energie
Degree programmes Not assigned to any degree programmes
Assigned courses No courses assigned
Contact person