Das Fraunhofer ISE hat eine neue Methode zur kurzfristigen Prognose der solaren Einstrahlung vorgestellt. Das Verfahren nutzt Künstliche Intelligenz (KI), um die Wolkenentwicklung in Satellitenbildern vorherzusagen. Nach Angaben des Instituts lassen sich damit die Fehler bei der Einstrahlungsprognose im Durchschnitt um elf Prozent verringern.
KI verbessert Prognosegenauigkeit
In Deutschland greifen Netzbetreiber für die Vermarktung von Solarstrom und das Netzmanagement auf Solarstromprognosen zurück, die meist auf numerischen Wettervorhersagen basieren. Für kurzfristige Anpassungen – von 15 Minuten bis zu einigen Stunden im Voraus – werden Echtzeitmesswerte der Einspeisung aus Photovoltaikanlagen sowie Einstrahlungsprognosen aus Satellitenbildern genutzt. Die neue Methode des Fraunhofer ISE vergleicht die KI-basierte Vorhersage der Wolkenentwicklung mit konventionellen Verfahren, die auf Wolkenzugsvektoren beruhen.
Stromerzeugung 2025: Sonne überholt Kohle und Gas
„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“, sagt Nils Straub vom Fraunhofer ISE. Er ist Hauptautor der Methode. „Im Durchschnitt waren die Vorhersagefehler 11 Prozent geringer.“
Infrarotdaten verbessern Prognosen am Morgen
Ein bekanntes Problem bei Prognosen auf Basis sichtbarer Satellitenbilder ist die geringe Bildqualität bei niedrigen Sonnenständen und die fehlende Bildinformation vor Sonnenaufgang. Das Forschungsteam hat dieses Problem gelöst, indem es zusätzlich zwei Infrarotkanäle einbezogen hat. Diese liefern auch bei Dunkelheit Daten und ermöglichen so eine Prognose der Einstrahlung vor Sonnenaufgang.
Eigenverbrauch von Solarstrom steigt in Deutschland stark an
„Gegenüber einem Modell, das allein Bilder aus dem sichtbaren Spektrum nutzt, konnten wir die Vorhersageverfügbarkeit so deutlich steigern“, erklärt 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 KI übernimmt dabei die Aufgabe, die Wolkenentwicklung vorherzusagen und in Sonnenaufgangssituationen die Infrarotkanäle für die Strahlungsvorhersage zu nutzen.
Wolken bleiben der größte Unsicherheitsfaktor
Elke Lorenz, Gruppenleiterin für Solare Energiemeteorologie am Fraunhofer ISE, betont die Bedeutung präziser Prognosen: „Photovoltaik-Prognosesysteme spielen eine wichtige Rolle für den Handel mit Solarstrom, für das Netzmanagement und bei der Einsatzplanung von Kraftwerken.“ Mit dem weiteren Ausbau erneuerbarer Energien steige die Relevanz solcher Systeme. Auch für den effizienten Einsatz von Speichern seien genaue Prognosen hilfreich.
300 Tipps: Autark mit Sonnenstrom
Wolken bleiben der größte Unsicherheitsfaktor bei der Strahlungsvorhersage. Die neue Methode verknüpft daher die Prognose zukünftiger Wolkensituationen mit der Berechnung von Strahlungskarten für die nächsten Stunden. Damit können Netzbetreiber und Stromhändler kurzfristige Schwankungen bei der Einspeisung aus Photovoltaikanlagen besser ausgleichen. (nhp)
