-
Die Erfindung betrifft ein Verfahren und eine Vorrichtung zur Ermittlung von Kennlinien, insbesondere der Strom-/Spannungs-Kennlinien von photovoltaischen Bauelementen wie z. B. PV-Zellen, PV-Modulen oder PV-Modulenverbünden.
-
Die heute standardmäßig verwendeten PV-Bauelemente werden überwiegend mit Hilfe einer sogenannten Dickschicht-Technologie hergestellt und auf der Basis von z. B. mono- oder polykristallinem Silizium aufgebaut. Die Schichtdicken dieser Bauelemente liegen im Bereich von 100 μm bis 300 μm. Allerdings gewinnt heute immer mehr die sogenannte Dünnschicht-Technologie an Bedeutung. Die nach dieser Technologie hergestellten Bauelemente bestehen aus einem Substrat, auf das Materialien wie z. B. Cadmium-Tellurid (CdTe), Kupfer-Indium-Diselenid (CIS) oder amorphes Silizium aufgedampft sind. Die Schichtdicken dieser Bauelemente betragen weniger als 10 μm.
-
Eine wichtige Eigenschaft eines PV-Bauelements ist die sogenannte Strom-/Spannungs-Kennlinie, die den Stromverlauf in Abhängigkeit von der Spannung wiedergibt. Diese Kennlinien und/oder aus deren Daten abgeleitete Leistungs-/Spannungs-Kennlinien ermöglichen u. a. die Abschätzung des Energieertrags, der mit einem PV-Bauelement z. B. innerhalb eines Jahres erzielt werden kann.
-
Die Form einer solchen Kennlinie hängt von zahlreichen unterschiedlichen Faktoren ab. Zu diesen Faktoren zählen einmal die zur Herstellung der PV-Bauelemente verwendeten Technologien und zum Anderen verschiedene Parameter wie z. B. die Bestrahlungsstärke der Sonne, die Umgebungs- und/oder Bauelementtemperatur, die spektrale Zusammensetzung des Sonnenlichts und der Einfallswinkel, unter dem das Sonnenlicht auf die jeweilige Solaranlage auftrifft. Da sich diese Parameter im Laufe eines Tages und/oder eines Jahres ständig ändern, ist zur Vermeidung langwieriger Messungen eine mathematisch/physikalische Nachbildung der Kennlinien erwünscht, die es ermöglicht, mit Hilfe ausgewählter Parameter unmittelbar die zugehörigen Kennlinien zu berechnen, und zwar möglichst unabhängig von der jeweiligen Herstellungsart der Bauelemente.
-
Zur mathematisch/physikalischen Nachbildung (Simulation) von photovoltaischen Bauelementen sind verschiedene Modelle bekannt geworden. Als Beispiel sei hier zunächst das Ein- bzw. Zweidioden-Modell (z. B.
J. Schumacher in "Digitale Simulation regenerativer elektrischer Energieversorgungssysteme", Dissertation 1991 oder
V. Quaschning in "Simulation der Abschattungsverluste bei solarelektrischen Systemen", Dissertation, Verlag Dr. Köster Berlin, 1996) und ein modifiziertes Eindioden-Modell (z. B.
A. Wagner in "Photovoltaik-Engineering", Springer Verlag, 2. bearbeitete Auflage 2006) genannt. Diese Modelle liefern gute Ergebnisse für kristalline Zellen und Module. Ein weiteres modifiziertes Eindioden-Modell (z. B.
H. G. Beyer et al. in "Modellierung der I/V-Charakteristiken von CdTe-Modulen", 23. Symposium photovoltaische Solarenergie, Bad Staffelstein, 2008) wurde für die CdTe-Bauelemente entwickelt und kann diese für bestimmte Arbeitspunkte gut beschreiben. Schließlich lassen sich CIS-Bauelemente relativ gut mit dem Ein- oder Zweidiodenmodell beschreiben (z. B.
J. Schumacher in "Zum Stand der Simulationen von PV-Systemen", 2001).
-
Keine brauchbaren Modelle existieren bisher für mit amorphem Silizium hergestellte Bauelemente sowie für Tandem- oder Tripelzellen, die aus zwei oder drei Schichten unterschiedlicher Art bestehen, z. B. einer für langwelliges Licht empfindlichen Grundschicht aus kristallinem Silizium und einer aufgedampften, für kurzwelliges Licht empfindlichen Schicht aus amorphem Silizium. Bei PV-Bauelementen, die amorphes Silizium enthalten, ergibt sich zusätzlich das Problem des sogenannten ”annealing”-Effekts, der eine Veränderung der Eigenschaften und insbesondere der Formen der Kennlinien in Abhängigkeit von der Umgebungstemperatur bewirkt, so dass diese Kennlinien von der Jahreszeit abhängen. Dieser Effekt lässt sich durch die bekannten Modelle ebenfalls nicht beschreiben. Außerdem ist unerwünscht, dass für unterschiedliche PV-Bauelementtypen in der Regel unterschiedliche Modelle geschaffen werden müssen.
-
Ausgehend davon besteht das technische Problem der Erfindung in der Schaffung eines Verfahrens und einer Vorrichtung, mittels derer sich ganz allgemein die Kennlinien von PV-Bauelementen und im Besonderen auch von solchen PV-Bauelementen beschreiben lassen, die nach der Dünnschicht-Technologie hergestellt werden.
-
Gelöst wird dieses Problem erfindungsgemäß durch die Merkmale der Patentansprüche 1 und 6.
-
Die Erfindung bringt den Vorteil mit sich, dass ein künstliches neuronales Netz auf einfache Weise, d. h. automatisch und über einen längeren Zeitraum von z. B. einem Jahr ”trainiert” werden kann und nach Abschluss der Lernphase zu beliebigen eingegebenen Parametern die zugehörigen Kennlinien liefert. Durch eine solche Vorgehensweise lässt sich z. B. auch der ”annealing”-Effekt einbeziehen. Vorteilhaft ist außerdem, dass sich das erfindungsgemäße Verfahren und die erfindungsgemäße Vorrichtung zur Ermittlung der Kennlinien aller bekannten PV-Bauelemente unabhängig von der zu ihrer Herstellung verwendeten Technologie eignen. Auf diese Weise kann für jeden Bauelemententyp unter Anwendung derselben Verfahren und Vorrichtungen ein Modell in Form eines neuronalen Netzes geschaffen werden.
-
Weitere vorteilhafte Merkmale der Erfindung ergeben sich aus den Unteransprüchen.
-
Die Erfindung wird nachfolgend in Verbindung mit den beiliegenden Zeichnungen an einem Ausführungsbeispiel näher erläutert. Es zeigen:
-
1 eine übliche, gemessene Strom-/Spannungs-Kennlinie eines CIS-Bauelements;
-
2 eine Leistungs-/Spannungs-Kennlinie desselben CIS-Bauelements;
-
3 ein schematisches Blockdiagramm einer erfindungsgemäßen Vorrichtung zur Ermittlung von Strom-/Spannungs-Kennlinien;
-
4 schematisch im linken Teil das Trainieren eines künstlichen neuronalen Netzes und dem rechten Teil das Testen des erlernten Übertragungsverhaltens des neuronalen Netzes anhand vorgewählter Parameter;
-
5 zwei Strom-/Spannungs-Kennlinien, wobei die durchgehende Linie eine gemessene Kennlinie und die Kreise die Messpunkte einer mit der Vorrichtung nach 3 erhaltenen Kennlinie darstellen;
-
6 die Abweichungen der berechneten Kennlinie von der gemessenen Kennlinie in Prozent, ausgehend von der Darstellung in 5; und
-
7 und 8 den 5 und 6 entsprechende Darstellungen, jedoch für eine Leistungs-/Spannungs-Kennlinie.
-
1 und 2 zeigen je eine Strom-/Spannungs-Kennlinie 1 und eine Leistungs-/Spannungs-Kennlinie 2 eines üblichen Solarmoduls. Im Ausführungsbeispiel ist dies ein CIS-Modul mit einer Nennleistung von 80 Wp (z. B. Würth Solar WSG 0031E080). Danach ist in 1 der Strom über der Spannung und in 2 die Leistung über der Spannung aufgetragen. Außerdem wurden die Kennlinien 1 und 2 bei einer Bestrahlungsstärke G = 645,3 W/m2 und einer Umgebungstemperatur von 25,5°C aufgenommen.
-
Da es außer durch aufwändige Messungen nicht ohne weiteres möglich ist, den Kennlinien
1 und
2 entsprechende Kennlinien bei anderen Bestrahlungsstärken und Modultemperaturen zu ermitteln, wird erfindungsgemäß die Anwendung der Vorrichtung nach
3 vorgeschlagen. Diese enthält eine allgemein mit dem Bezugszeichen
3 bezeichnete Datenerfassungseinheit, die im Ausführungsbeispiel hauptsächlich eine Messeinrichtung
4 mit einem Ausgang
5 und vorzugsweise auch einen über eine Schnittstelle
6 (z. B. RS 232/485) an den Ausgang
5 angeschlossenen Rechner
7, z. B. einen üblichen PC aufweist. Die Messeinrichtung
4 enthält ferner eine Mehrzahl von Eingängen
8 bis
11. Die Eingänge
8 und
9 werden an geeignete Ausgänge eines zu überprüfenden PV-Bauelements
12 (z. B. Zelle, Modul oder Verbund) angeschlossen, von dem Strom-/Spannungs-Kennlinien ermittelt werden sollen, so dass an diesen Eingängen
8 und
9 die benötigten Strom- und Spannungswerte des PV-Elements
12 erscheinen. Außerdem ist die Messeinrichtung
4 mit einem Sensor
14 zur Messung der Bestrahlungsstärke G der Sonne am Ort des PV-Bauelements
12 (vgl. z. B.
T. Glotzbach et al in "Untersuchungen von Bestrahlungsstärkesensoren", 22. Symposium photovoltaische Solarenergie, Bad Staffelstein, 2007 und
T. Glotzbach et al in "Round-Robin-Test mit Bestrahlungstärkesensoren" in 23. Symposium photovoltaische Solarenergie, Bad Staffelstein, 2008) und einem Sensor
15 zur Ermittlung der Temperatur T des PV-Bauelements
12 und/oder der Umgebungstemperatur verbunden. Die ermittelten Strom- und Spannungswerte bzw. Kennliniendaten sowie die Messwerte für die Parameter Bestrahlungsstärke G und Temperatur T werden vorzugsweise zunächst über die Schnittstelle
6 dem Rechner
7 zugeführt und in einem Speicher abgelegt. Der Rechner
7 ist dazu mit einem ausreichend großen, an sich beliebig ausgebildeten Massenspeicher zur Aufnahme einer Vielzahl von Messwerten versehen. Außerdem ist der Rechner
7 mit einer üblichen Mensch-Maschine-Schnittstelle z. B. in Form einer üblichen Bedienungskonsole
16 (Tastatur od. dgl.) verbunden. Alternativ wäre es denkbar, die erhaltenen Messwerte per Funk an eine zentrale Datenbank od. dgl. zu übermitteln.
-
Der Rechner 7 arbeitet nach einem vorgewählten Programm und berechnet aus den Kennliniendaten vorzugsweise nicht nur die Strom-/Spannungs-Kennlinien nach 1, sondern auch z. B. die zugehörigen Kurzschlussströme, Leerlaufspannungen, MPP-Ströme und MPP-Spannungen sowie die sich daraus ergebenden Leistungsdaten. Außerdem werden allen aus den Messwerten gewonnenen Kennliniendaten die bei ihrer Messung vorhandenen Bestrahlungsstärken G und Bauelementtemperaturen T zugeordnet, so dass sich über den gemessenen Zeitraum, der z. B. einige Tage, aber auch bis zu einem Jahr oder mehr betragen kann, eine große Anzahl von verschiedenen, je einem Parameterpaar (G/T) zugeordneten Kennlinien ergibt. Die Messungen der Kennlinien werden z. B. in Intervallen von einigen Minuten oder auch Stunden wiederholt.
-
Selbst wenn auf diese Weise zahlreiche Kennlinien gemessen werden, ist es im Allgemeinen nicht möglich, aus diesen mit ausreichender Genauigkeit auch solche Kennlinien zu berechnen, die sich für andere, nicht bei der Messung vorhandene Parameter G und T ergeben. Erfindungsgemäß werden daher die von der Datenerfassungseinheit 3 ermittelten Kennliniendaten zusammen mit den zugehörigen Parametern G und T in Form von Trainings-Datensätzen einem künstlichen neuronalen Netz 17 (3) zugeführt. Das ist durch eine Leitung 18 angedeutet, die einen entsprechenden Ausgang des Rechners 7 mit einem zugehörigen Eingang des neuronalen Netzes 17 verbindet. Das neuronale Netz 17 ist im Ausführungsbeispiel eine in den Rechner 7 implementierte, auf dem Markt erhältliche Software. Das neuronale Netz 17 wird mit Hilfe der Trainings-Datensätze während einer Lernphase trainiert, wie im linken Teil der 4 schematisch angedeutet ist, die eine Vielzahl von gemessenen Kennlinien 19 und diesen zugeordneten Bestrahlungsstärken G und Bauelementtemperaturen T zeigt.
-
Zur Überprüfung des erlernten Übertragungsverhaltens des neuronalen Netzes 17 weist die Vorrichtung nach 3 einen Vergleicher 20 auf, der einen über eine Leitung 21 mit einem Ausgang des Rechners 7 verbundenen Eingang und einen über eine Leitung 22 mit einem Ausgang des Netzes 17 verbundenen Eingang aufweist. Dem Vergleicher 20 werden hierzu mittels der Bedienungskonsole 16 und über die Leitung 21 während einer Testphase ausgewählte, gemessene Kennliniendaten in Form von Test-Datensätzen zugeführt, während dem Eingang 22 des Vergleichers 20 vom neuronalen Netz 17 ausgegebene Kennliniendaten zugeführt werden, die in diesem allein anhand von Test-Parametern G und T berechnet werden, die auch den ausgewählten Test-Datensätzen zugeordnet sind. Diese Test-Parameter G und T werden dem neuronalen Netz 17 über eine Leitung 23 zugeführt, der einen weiteren Ausgang des Rechners 7 mit einem zugehörigen Eingang des neuronalen Netzes 17 verbindet. Dies ist im rechten Teil der 4 schematisch einerseits durch eine Anzahl von Test-Kennlinien 24, die über die Leitung 21 zugeführt werden, und andererseits durch die Leitung 23 angedeutet, über welche die Test-Parameter G und T eingegeben werden.
-
An einen Ausgang des Vergleichers 20 ist eine Einrichtung 25 zur Bewertung von Abweichungen angeschlossen, die vom Vergleicher 20 aufgrund des Vergleichs der gemessenen mit den berechneten Kennlinien festgestellt werden. Liegen diese Abweichungen außerhalb eines vorgewählten Toleranzbereichs von z. B. 5%, dann wird dies über eine Leitung 26 dem Rechner 7 mitgeteilt. Dieser zeigt daraufhin an, dass die Lernphase des neuronalen Netzes 17 noch nicht abgeschlossen ist und ihm weitere Trainings-Datensätze zugeführt werden müssen. Liegen die Abweichungen dagegen innerhalb des vorgewählten Toleranzbereichs, dann wird dieses Ergebnis über eine Leitung 27 einem Baustein 28 signalisiert, der anzeigt, dass die Lernphase des neuronalen Netzes 17 erfolgreich abgeschlossen wurde.
-
Das so trainierte neuronale Netz 17 kann jetzt als Modell für das der Prüfung zugrunde gelegte PV-Bauelement 12 und alle PV-Bauelemente desselben Typs verwendet werden. Dadurch ist es möglich, allein durch Eingabe von vorgewählten Parameterpaaren G und T zuverlässig eine zugehörige Strom-/Spannungs-Kennlinie zu erhalten, auch wenn diese nicht zu den im Rechner 7 gespeicherten, gemessenen Kennlinien gehört.
-
Das erfindungsgemäße Verfahren zeichnet sich dadurch aus, dass das neuronale Netz 17 während einer Trainings- bzw. Lernphase mit gemessenen Kennliniendaten und zugehörigen Parametern G und T versorgt wird und dass anschließend während einer Testphase, die auch parallel zur Lernphase durchgeführt werden kann, überprüft wird, ob das Übertragungsverhalten des neuronalen Netzes 17 bereits brauchbare Ergebnisse liefert. Die dazu verwendeten Test-Datensätze sind vorzugsweise andere als jene, die während der Trainingsphase benutzt werden, da hierdurch die Aussagekraft der Testergebnisse erhöht wird. Allerdings wäre es natürlich auch möglich, als Test-Datensätze ausgewählte Trainings-Datensätze zu verwenden und die zugehörigen Parameter G und T mittels der Bedienungskonsole 16 einzugeben.
-
Die beschriebene, derzeit für am besten gehaltene Vorrichtung führt zu Ergebnissen, die in 5 bis 8 beispielhaft dargestellt sind.
-
5 zeigt mit einer durchgezogenen Linie eine Strom-/Spannungs-Kennlinie 29, die an dem oben näher bezeichneten PV-Bauelement 12 durch das beschriebene Messverfahren erhalten und aus dem Test-Datensatz ausgewählt wurde. Mit den Kreisen sind in 5 außerdem Messpunkte dargestellt, die durch Simulation mit dem künstlichen neuronalen Netz 17 allein anhand der zu der Kennlinie 29 gehörenden Parametern G und T erhalten wurden. Daraus ist ersichtlich, dass eine sehr gute Übereinstimmung besteht. In 6 ist in einem vergrößertem Maßstab eine Linie 30 dargestellt, die die Abweichungen der gemessenen Kennlinie 29 von der mit dem neuronalen Netz 17 berechneten Kennlinie zeigt. Danach betragen die Abweichungen bis auf den Endabschnitt der Kennlinien 29 weniger als 1%.
-
In ähnlicher Weise zeigt 7 eine Leistungs-/Spannungs-Kennlinie 31, die anhand der mit der Vorrichtung nach 3 erhaltenen Messdaten berechnet und aufgezeichnet wurde, während die Kreise Messwerte sind, die auf Berechnungen des neuronalen Netzes 17 basieren. Auch hier ist eine gute Übereinstimmung der gemessenen mit der simulierten Kennlinie gegeben. Das zeigt insbesondere eine Linie 32 in 8, die analog zu 6 die Abweichungen in Prozent erkennbar macht. Auch hier liegen die Abweichungen bis auf den Endabschnitt der Kennlinie 31 deutlich unter 1%.
-
Das neuronale Netz 17 liefert im Übrigen bereits nach einer über wenige Tage erstreckten Lernphase gute Ergebnisse.
-
Während der Lernphase wurde die Bestrahlungsstärke G jeweils unmittelbar vor und nach der Ermittlung der Strom- und Spannungswerte für eine Kennlinie gemessen. War die Differenz dieser beiden Bestrahlungsstärken größer als 10 W/m2, dann wurde die zugehörige Kennlinie weder in das Training des neuronalen Netzes 17 noch in die Simulation einbezogen. Dies geschah mit Rücksicht darauf, dass eine größere Änderung der Bestrahlungsstärke G während der Messung einer Kennlinie auch mit einer Änderung der Kennlinie selbst verbunden wäre und daher zu nicht repräsentativen Messwerten führen würde. Außerdem wurde die Messung während der Nachtstunden unterbrochen.
-
Außer den genannten Parametern G und T können natürlich auch weitere oder andere Parameter gemessen und für den Lernprozess des neuronalen Netzes 17 verwendet werden. Beispielsweise wäre es möglich, anstelle der Temperatur des PV-Bauelements 12 oder auch zusätzlich zu dieser die Umgebungstemperatur zu messen. Weitere zweckmäßige Parameter sind die Zeit, insbesondere die Jahreszeit, die Globalstrahlung und/oder die Diffusstrahlung sowie insbesondere der Einfallswinkel, mit dem die Sonnenstrahlung bei der Messung auf das PV-Bauelement 12 auftrifft. Außerdem können auf die beschriebene Weise auch Leistungs-/Strom-Kennlinien ermittelt werden.
-
Die Erfindung ist nicht auf das beschriebene Ausführungsbeispiel beschränkt. Das gilt insbesondere für die Mittel, die zur Messung der Ströme und Spannungen und der verschiedenen Parameter sowie zu deren Verarbeitung vor der Eingabe in das neuronale Netz 17 verwendet werden. Als Messeinrichtung 4 ist z. B. ein unter der Bezeichnung ”ISST-mpp meter” bekanntes Messystem besonders gut geeignet. Auch der Aufbau der Datenerfassungseinheit 3 kann anders sein, als in 3 dargestellt ist, und je nach Bedarf überwiegend durch Hardware oder unter Anwendung eines entsprechend programmierten Rechners überwiegend durch Software realisiert werden. Insbesondere ist es in diesem Zusammenhang möglich, die Messeinrichtung 4 so auszubilden, dass bereits in ihr die Kurzschlussströme, Leerlaufspannungen, MPP-Werte od. dgl. erfasst werden und/oder die Sensoren 14 und 15 integrale Bestandteile der Messeinrichtung 4 sind. Denkbar wäre ferner, die ermittelten Datensätze jeweils direkt dem neuronalen Netz 17 zuzuführen. Das neuronale Netz 17 kann entweder als eine auf dem Markt erhältliche Software implementiert oder auch vom Anwender selbst programmiert werden. Schließlich versteht sich, dass die verschiedenen Merkmale auch in anderen als den beschriebenen und dargestellten Kombinationen angewendet werden können.
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Nicht-Patentliteratur
-
- J. Schumacher in ”Digitale Simulation regenerativer elektrischer Energieversorgungssysteme”, Dissertation 1991 [0005]
- V. Quaschning in ”Simulation der Abschattungsverluste bei solarelektrischen Systemen”, Dissertation, Verlag Dr. Köster Berlin, 1996 [0005]
- A. Wagner in ”Photovoltaik-Engineering”, Springer Verlag, 2. bearbeitete Auflage 2006 [0005]
- H. G. Beyer et al. in ”Modellierung der I/V-Charakteristiken von CdTe-Modulen”, 23. Symposium photovoltaische Solarenergie, Bad Staffelstein, 2008 [0005]
- J. Schumacher in ”Zum Stand der Simulationen von PV-Systemen”, 2001 [0005]
- T. Glotzbach et al in ”Untersuchungen von Bestrahlungsstärkesensoren”, 22. Symposium photovoltaische Solarenergie, Bad Staffelstein, 2007 [0020]
- T. Glotzbach et al in ”Round-Robin-Test mit Bestrahlungstärkesensoren” in 23. Symposium photovoltaische Solarenergie, Bad Staffelstein, 2008 [0020]
