LoCoSol – Low-Cost Monitoring von thermischen Solaranlagen

Im Projekt LoCoSol (Low-Cost Monitoring von thermischen Solaranlagen) wurde ein maschinell lernender Algorithmus (MLA) entwickelt, der in der Lage ist, den Betriebszustand von solarthermischen Anlagen zu beurteilen und Fehlfunktionen zu identifizieren.

Das automatisierte Monitoring von thermischen Solaranlagen dient dazu, Fehlfunktionen zu vermeiden. Im Projekt LoCoSol (Low-Cost Monitoring von thermischen Solaranlagen) wurde ein maschinell lernender Algorithmus (MLA) entwickelt, der in der Lage ist, den Betriebszustand von solarthermischen Anlagen zu beurteilen und Fehlfunktionen zu identifizieren. Mittels LoRaWAN (Long Range Wide Area Network) werden die Messdaten eines Temperatursensors sowie die Bestrahlungsstärke und Umgebungstemperatur einer Wetterstation kommuniziert.

Auf einem cloudbasierten Server werden die Daten anschliessend analysiert. Eine detaillierte Analyse der Problemstellung führt zur Klassifizierung als multivariates Zeitreihenproblem. Für Problemstellungen dieser Art sind Neuronale Netze aus dem Bereich der Datenwissenschaft bestens geeignet. Das Training und die Validierung des neuronalen Netzes wurde mit Hilfe des Software-Frameworks TensorFlow durchgeführt. Hierzu wurden Daten aus dem bereits laufenden Monitoringsystem verwendet. Es konnte gezeigt werden, dass der MLA in der Lage ist, die Nachtauskühlung des Speichers durch Schwerkraftzirkulation, eine häufig auftretende Fehlfunktion, mit einer Treffsicherheit 79% bis 89% zu erkennen. Die Weiterentwicklung zu einer praxistauglichen Lösung ist Gegenstand des Nachfolgeprojektes LoCoSol+.