23948sdkhjf

Intelligent service skal øge indtjeningen på store solcelleanlæg

Højteknologifonden skyder ni mio. kr. i nyt forskningsprojekt, der skal øge profitabiliteten af solcelleanlæg markant. Det sker gennem ny driftsteknologi, der rummer store uudnyttede potentialer.
Samarbejdet involverer parterne GreenGo Energy A/S, Aalborg Universitet, DTU Compute, Danica Pension og den tyske solcellespecialist econ GmbH. Det samlede projektbudget er 18 mio. kr.

Den globale solcelleindustri er i “teenageårene” med en udvikling fra 9GW i 2007 til totalt 135GW i 2013, og 400-500GW forventes globalt i 2018. Allerede i dag installeres mere solcellekapacitet end vindkapacitet globalt. Fokus i den unge industri har været på komponentteknologi og installationsprocessen, hvorimod forståelsen af drifts- og ydelsesoptimering over levetiden stadig er på forskningsstadiet. Service på solcelleanlæg er i dag generelt manuel og personafhængig, med øgede driftsomkostninger og længere perioder af ikke-detekterede ydelsestab som konsekvens.

Parternes vision er at øge profitabiliteten af solcelleanlæg betydeligt, ved at udvikle en intelligent og selvlærende, fuldt automatiseret serviceplatform, der integrerer robuste algoritmer til klassificering af alle typer fejl over levetiden, og ligeledes integrerer porteføljebaseret serviceplanlægning og fuldt automatisk udførelse. Løsningen integreres i et IT system og testes på større MegaWatt-anlæg.

- Målet er 40-50 procent lavere serviceomkostninger og 8-10 procent højere ydelse over hele levetiden. Dette vil katalysere udviklingen mod en produktionspris på 40-42 øre pr. solcelle kilowatttime i 2018 for store solcelleanlæg under danske indstrålingsforhold. Nås målene, vil det sikre en unik konkurrencedygtighed på det globale marked, siger Direktør Karsten Nielsen fra GeenGo Energy

Der er en parallel til udviklingen i den mere modne vindmøllebranche, hvor fokus over de sidste 10 år er blevet rettet mod fejlretning og effektiv service med nye teknologier og sensorer.

En vigtig kombination af flere fagområder
GreenGo Energy har implementeret første-generations driftsteknologi i en IT-løsning, og det er på basis af erfaringerne her, at der er genereret en række idéer til markant forbedring af driftseffektiviteten på store solcelleanlæg. Idéer som kræver en dybere forskningsmæssig indsats. Kombination af forskellige fagområder er fundamentet for de tænkte teknologiske gennembrud.

Projektet kombinerer således AAUs dybe viden på solcelleteknologi med DTU Computes kompetencer, som er big data og selvlærende systemer, med virksomhedernes kompetencer.

En spændende udfordring
Institut for Energiteknik på AAU er et kraftcenter inden for modellering af solcelleanlæg og fejldetektion på solcelleanlæg og er derfor en central partner i projektet. DTU Compute er ekspert i avanceret databehandling på selvlærende systemer og på automation. Disse kernekompetencer bringer nye dimensioner til fejldiagnose og analyse på solcelleanlæg.

- For DTU Compute er projektet en spændende udfordring. Projektet kræver udvikling af nye big data metoder, der både i skala og kompleksitet skal flytte grænserne for robust fejl-detektion. For DTU Compute er projektet således en spændende udfordring, der uden tvivl vil føre til udvikling af grundlæggende metoder, der har anvendelig også udenfor projektets emne, siger professor Lars Kai Hansen fra DTU Compute.

Erfaring fra Tyskland
Den tyske solcellespecialist econ GmhH deltager med massiv erfaring i installation og drift af solcelleanlæg fra det modne tyske solcellemarked, og vil deltage i forbindelse med validering og test af de udviklede teknologier. Her skabes også en åbning til det etablerede tyske marked for drift, et servicemarked der allerede nu er på over 1 mia. EURO årligt.

Danica Pension deltager som field test partner i Danmark. GreenGo har installeret og drifter større solcelleanlæg for Danica, og Danica stiller disse anlæg til rådighed for test af de udviklede teknologier.
Kommenter artiklen
Job i fokus
Gå til joboversigten
Udvalgte artikler

Nyhedsbreve

Send til en kollega

0.078