Logo des Repositoriums
 

Intelligente PV-Modul Datenbank-Applikation für Predictive Maintainance von PV-Anlagen

Kurzanzeige
dc.contributor.authorMeyer, Felix
dc.contributor.authorRüter, Joachim
dc.contributor.authorBehrens, Grit
dc.contributor.authorDiehl, Matthias
dc.date.accessioned2021-12-14T10:57:21Z
dc.date.available2021-12-14T10:57:21Z
dc.date.issued2021
dc.description.abstractWährend der Laufzeit von mehreren Jahren können Photovoltaik-Anlagen (PV-Anlagen) diverse Fehler entwickeln. Um diese frühzeitig zu erkennen und maximale Erträge zu gewährleisten, sind regelmäßige Leistungsüberprüfungen erforderlich. AktuelleWartungsmethoden sind jedoch teuer und zeitaufwendig. Dieses Paper beschreibt die Entwicklung einer Datenbank-Webapplikation, die derzeitige wissenschaftliche Erkenntnisse der KI und Big Data in der PV-Praxis nutzbar machen soll. So können PV-Wartungs-ExpertInnen bei der Fehlersuche und der Entscheidungsfindung unterstützt werden. Die Applikation ermöglicht es, PV-Moduldaten abzuspeichern und abzurufen und mittels künstlicher Intelligenz Prognosen für die Leistung und die Kennlinie eines Moduls durchzuführen. Des Weiteren hilft sie bei der Vernetzung von PV-ExpertInnen untereinander sowie zur Vertrauensbildung der NutzerInnen in KI-Systeme.de
dc.identifier.doi10.18420/informatik2021-029
dc.identifier.isbn978-3-88579-708-1
dc.identifier.pissn1617-5468
dc.identifier.urihttps://dl.gi.de/handle/20.500.12116/37692
dc.language.isode
dc.publisherGesellschaft für Informatik, Bonn
dc.relation.ispartofINFORMATIK 2021
dc.relation.ispartofseriesLecture Notes in Informatics (LNI) - Proceedings, Volume P-314
dc.subjectPhotovoltaik
dc.subjectDunkelkennlinie
dc.subjectIV-Kennlinien
dc.subjectPredictive Maintenance
dc.subjectKünstliche Intelligenz
dc.subjectDatenbank
dc.subjectApplikation
dc.subjectWeb
dc.titleIntelligente PV-Modul Datenbank-Applikation für Predictive Maintainance von PV-Anlagende
gi.citation.endPage364
gi.citation.startPage359
gi.conference.date27. September - 1. Oktober 2021
gi.conference.locationBerlin
gi.conference.sessiontitle9. Workshop Umweltinformatik zwischen Nachhaltigkeit und Wandel (UINW 2021)

Dateien

Originalbündel
1 - 1 von 1
Vorschaubild nicht verfügbar
Name:
C1-2.pdf
Größe:
498.01 KB
Format:
Adobe Portable Document Format
Herunterladen

Sammlungen

P314 - INFORMATIK 2021 - Computer Science & Sustainability