Technische Hochschule Rosenheim (THRo)
Fakultät für Angewandte Natur- und
Geisteswissenschaften
Hochschulstr. 1
83024 Rosenheim
Die Energiewende erfordert eine zuverlässige Integration erneuerbarer Energien, insbesondere der Photovoltaik (PV). Allerdings führen lokale Überproduktionen und die natürliche Variabilität solarer Einstrahlung zu Netzengpässen, Abregelungen und wirtschaftlichen Verlusten. Kurzfristige Solarprognosen mit All-Sky Imager (ASI) sind entscheidend, um Erzeugung und Verbrauch in Echtzeit auszubalancieren und die Netzstabilität zu sichern. Das Projekt HELIOS-AI baut auf den Erfolgen des Vorgängerprojekts HELIOS auf und entwickelt KI-gestützte Prognosemodelle für Solarstrahlung auf Basis von ASI. Ziel ist es, generative Deep-Learning-Ansätze mit Self-Supervised Learning zu kombinieren, um präzise Vorhersagen im 15-Minuten-Horizont zu ermöglichen. Durch den Verzicht auf physikalische Modellierung sollen End-to-End-Lösungen entstehen, die bei ausreichender Datenlage höhere Genauigkeit als hybride Verfahren bieten. Ein zentraler Fokus liegt auf der Praxistauglichkeit: Die Modelle werden zunächst im PV-Forschungsfeld Buttenwiesen entwickelt, anschließend auf neue Standorte (Campus Rosenheim, Stadtgebiet Rosenheim) übertragen und mit Low-Cost-Demonstratoren getestet. Kooperationen mit Partnern wie den Stadtwerken Rosenheim sichern die langfristige Nutzung der Ergebnisse. Zudem werden offene Datensätze und probabilistische Metriken genutzt, um die Vergleichbarkeit und Transparenz der Modelle zu erhöhen. Anlass ist der dringende Bedarf an skalierbaren, kostengünstigen Lösungen für die dezentrale Energiewende. Durch die Kombination von KI, ASI-Technologie und interdisziplinärer Zusammenarbeit leistet HELIOS-AI einen Beitrag zur Klimaneutralität, Netzstabilität und wirtschaftlichen Effizienz erneuerbarer Energien.