SolarCleano: Solarpanel-Defekte mit KI aufspüren

[Dieser Artikel ist Teil einer Inhaltsreihe, die in Zusammenarbeit mit FEDIL entwickelt wurde und zeigt, wie künstliche Intelligenz zur digitalen Transformation der luxemburgischen Wirtschaft beiträgt.]

Die photovoltaische Energie wächst von Jahr zu Jahr. Laut dem französischen Energiekonzern EDF machte Solarphotovoltaik im Jahr 2023 5,4 % der weltweiten Stromproduktion aus, was einem Anstieg von 25 % gegenüber 2022 entspricht.

In Luxemburg ist der Anteil deutlich höher. Im Jahr 2024 zeigen Daten des Luxemburger Regulierungsinstituts, dass Solarenergie fast ein Viertel der nationalen Stromproduktion ausmachte, ein Anstieg von 22,4 % in nur einem Jahr.

Mit einer installierten Kapazität von fast 550 MW stellen Photovoltaikanlagen heute mit Abstand den größten Anteil am erneuerbaren Energiemix des Landes dar und liegen damit deutlich vor Windenergie (215 MW) und Biomasse (75 MW).

Die schnelle und kontinuierliche Expansion von Solarkraftwerken, die oft aus Tausenden von Photovoltaikmodulen bestehen, hat zu einer wachsenden Nachfrage nach effizienten Reinigungs-, Überwachungs- und Wartungslösungen geführt.

In Zusammenarbeit mit der SnT

SolarCleano wurde 2017 in Luxemburg gegründet und ist ein Robotikunternehmen, das sich auf innovative Lösungen für die Reinigung von Solarpanels spezialisiert hat. Seine autonomen Roboter sind in mehr als 100 Ländern weltweit eingesetzt und werden zur Reinigung von Hunderten von Gigawatt Solaranlagen eingesetzt.

"Obwohl Photovoltaikmodule eine erwartete Lebensdauer von bis zu 25 Jahren haben, verschlechtern sie sich mit einer durchschnittlichen jährlichen Rate von 0,5 %, was aufgrund von Umweltbelastung und Materialalterung erheblich zunehmen kann", erklärt Andreas Kokkas, Forschungs- und Entwicklungsprojektleiter bei SolarCleano.

Angesichts des Ausmaßes moderner Solarparks ist eine manuelle Qualitätskontrolle schlichtweg nicht machbar. Um diese Herausforderung zu bewältigen, arbeitete das Unternehmen mit dem Interdisziplinären Zentrum für Sicherheit, Zuverlässigkeit und Vertrauen (SnT) und dem Hamelin Solar Energy Research Institute (ISFH) zusammen, um Lösungen auf Basis von Fortschritten in Robotik und künstlicher Intelligenz, insbesondere Computer Vision, zu entwickeln.

Diese Zusammenarbeit führte zu den ehrgeizigen PVDetects- / Spider-KI-Projekten (Solar Panel Identification and Defect Recognition using Artificial Intelligence). Diese Initiativen verwandeln SolarCleanos autonome Reinigungsroboter in intelligente, multifunktionale Plattformen, die Photovoltaikmodule mithilfe modernster thermischer und RGB-Bildgebung in Kombination mit eingebetteter künstlicher Intelligenz inspizieren können.

"Das Projekt integriert modernste Hardware und Software, darunter Datenerfassung, Datensatzentwicklung und einen vollständigen Inspektionsworkflow basierend auf dem Robot Operating System (ROS)", sagt Shiva Hanifi, Doktorand im Bereich robotische Vision bei SnT.

Kameras, Sensoren, Bordverarbeitung...

Das System verfügt über RGB- und Wärmebildkameras, Sensoren, LED-Beleuchtung und integrierte Verarbeitungsmöglichkeiten. In Kombination mit Analysemodulen, die vom SnT entwickelt wurden, ermöglicht es dem Roboter, aufgenommene Bilder autonom in Fehlererkennungsmodelle zu integrieren.

Defekte bei Solarpaneelen können mit verschiedenen Bildgebungsmethoden erkannt werden, darunter Elektrolumineszenz, Photolumineszenz, Infrarot, Ultraviolett und visuelle RGB-Bildgebung. "Jede Methode hat spezifische Vorteile, abhängig von Bildbedingungen, Erkennungsempfindlichkeit und den gezielten Defektarten", erklärt Guillaume Dewez, Mechatronik-Ingenieur bei SolarCleano, der den technischen und operativen Fortschritt des PVDetects-Projekts überwacht.

RGB- und Infrarotbildgebung wurden als die geeignetsten Ansätze identifiziert, da sie keinen physischen Kontakt mit den Photovoltaikmodulen erfordern. Die Reinigungsroboter waren daher mit speziellen Kameras ausgestattet, die konsistente, hochauflösende Bilder aufnehmen konnten. Umfangreiche Datenerhebungen wurden sowohl Tag als auch Nacht in verschiedenen Einsatzumgebungen durchgeführt.

Diese Bilder werden annotiert, um einen robusten und kontinuierlich wachsenden Datensatz von Solarpanel-Defekten zu erstellen, der zum Training von Anomaliedetektionsmodellen verwendet wird. "Dieses Projekt stellt einen großen Fortschritt in intelligenten Solarbetrieben dar, verlängert die Lebensdauer von PV-Anlagen, optimiert die Energieerträge und setzt einen neuen Maßstab für die Branche", fügt Herr Dewez hinzu.

Verbesserte Langzeitpflege

Nutzer des Systems erhalten Zugang zu Echtzeit, umsetzbaren Einblicken in den Zustand ihrer Photovoltaikanlagen. Dies ermöglicht frühere Eingriffe, reduziert Ausfallzeiten und unterstützt eine effektivere langfristige Wartungsplanung, während die Sicherheit erheblich verbessert wird, indem der Bedarf an manuellen Inspektionen drastisch reduziert wird.

Das Projekt, das nun gut fortgeschritten ist, wird nach und nach zusätzliche Bildgebungsmodalitäten integrieren, die die Erkennung einer größeren Palette von Defekten unter unterschiedlichen Umwelt- und Betriebsbedingungen ermöglichen. "Während unser Datensatz weiter wächst, werden wir neue KI-Modelle verfeinern und vergleichen, um die Genauigkeit und Robustheit der Erkennung über verschiedene Paneltypen und Installationskonfigurationen hinweg weiter zu verbessern", erklärt Shiva Hanifi.

Parallele Maßnahmen konzentrieren sich darauf, die eingebettete Verarbeitung zu optimieren, um eine schnellere und detailliertere Echtzeitanalyse direkt an den Robotern zu ermöglichen, sowie die Integration prädiktiver Analysen, die in der Lage sind, Verschlechterungsmuster vorherzusagen und langfristige Strategien für das Vermögensmanagement zu steuern. "Dies wird zur Entwicklung widerstandsfähigerer und effizienterer photovoltaischer Infrastruktur beitragen."