Solarturmkraftwerke wandeln Sonnenlicht nicht direkt in Strom um, sondern erzeugen Wärme als Zwischenschritt. Ein Feld aus beweglichen Spiegeln, Heliostaten genannt, lenkt das Licht präzise auf einen Empfänger an der Spitze eines zentralen Turms. Die dort entstehende Wärme lässt sich speichern, direkt zur Stromerzeugung einsetzen oder für industrielle Prozesse verwenden. Wird sie erst später zur Stromproduktion genutzt, können die Anlagen auch nachts oder bei bewölktem Himmel Energie liefern und so zur Stabilisierung der Stromnetze beitragen.
Obwohl es bereits kommerzielle Solarturmkraftwerke gibt, sind sie im Vergleich zur Photovoltaik bisher wenig verbreitet. „Solarturmanlagen sicher und effizient zu betreiben, ist aufwendig und teuer“, sagt Dr. Kaleb Phipps vom Scientific Computing Center am KIT. „Um neue Verfahren zu entwickeln und verlässlich zu prüfen, braucht die Forschung reale Betriebsdaten. Solche stellt unsere Datenbank PAINT offen und strukturiert bereit.“
Daten für KI-Modelle und digitale Zwillinge
PAINT berücksichtigt die FAIR-Prinzipien: Die Daten sollen auffindbar, zugänglich, interoperabel und wiederverwendbar sein. Dafür nutzt das Forschungsteam den Standard SpatioTemporal Asset Catalog, kurz STAC. Dieser beschreibt raum- und zeitbezogene Daten so, dass Menschen und Maschinen sie lesen können. Zusätzlich stellt das Team Python-Software bereit, mit der Forschende Daten für einzelne Heliostate oder bestimmte Zeiträume herunterladen und direkt in Modelle des Maschinellen Lernens einbinden können. Mit den Daten lassen sich auch digitale Zwillinge von Solarturmkraftwerken entwickeln, die reale Anlagen virtuell abbilden.
„Solche digitalen Zwillinge ermöglichen es, den Kraftwerksbetrieb zunächst am Simulationsmodell zu testen“, erläutert Dr. Daniel Maldonado Quinto vom DLR. „Verbinden wir sie mit Maschinellem Lernen, lässt sich künftig in Echtzeit erkennen, ob die Spiegel korrekt ausgerichtet sind und wie die Stellgrößen des Kraftwerks für einen sicheren und effizienten Betrieb nachgeregelt werden müssen.“
Grundlage für weitere Forschung
PAINT umfasst 849 Gigabyte Betriebsdaten des Solarturms Jülich aus den Jahren 2021 bis 2024. Dazu gehören Angaben, wo die 2014 Spiegel stehen, wie groß sie sind und wie sie sich drehen und neigen lassen. Hinzu kommen mehr als 218.000 Bilder, mit denen sich prüfen lässt, ob die Spiegel das Licht genau auf den vorgesehenen Punkt lenken. Weitere Messdaten zeigen, ob Spiegeloberflächen leicht verformt sind. Auch Wetterdaten über den gesamten Zeitraum sind enthalten.
Gerade die Ausrichtung der Heliostate zählt zu den zentralen Herausforderungen. Schon kleine Abweichungen, etwa durch Wind, Verschleiß oder ungenaue Steuerung, können die Leistung mindern oder Bauteile belasten. PAINT soll deshalb helfen, solche Effekte künftig besser zu untersuchen und Verfahren zur Steuerung vergleichbar zu testen. „Wir möchten PAINT gemeinsam mit anderen Forschungseinrichtungen und Kraftwerksbetreibern weiterentwickeln“, so Phipps. „Wenn künftig Daten aus verschiedenen Anlagen hinzukommen, kann daraus ein gemeinsamer Standard für offene Betriebsdaten in der Solarturmforschung entstehen. Das würde die Entwicklung beschleunigen und eine breite Nutzung dieser Technologie unterstützen.“
PAINT ist aus den Arbeiten an ARTIST entstanden, einem KI-gestützten, differenzierbaren Raytracing-Modell für digitale Solarturm-Zwillinge. Beteiligt waren Forschende, Ingenieurinnen und Ingenieure sowie Technikerinnen und Techniker vom KIT, vom DLR und von der KI-Plattform Helmholtz AI.
