Advance

Unterschiedlichste Modellierungsansätze (statistisch, chemisch–physikalisch-elektrisch) sollen entwickelt und angewandt werden, um Zusammenhänge zwischen dem Leistungsabfall von in Betrieb befindlichen PV-Modulen, dem spezifischen Degradationsverhalten der eingesetzten Materialien und Materialverbunde sowie den einwirkenden Stressbedingungen zu erkennen, und für innovative Materialentwicklungen sowie Predictive Maintenance Vorgaben zu nutzen.

Das beinhaltet:

  • Automatisierte Datenaufbereitung: Kenngrößenerfassung (Feature Selection), Bildanalyse (neuronale Netzwerke – Machine Learning), Data Reduction (Umwandlung experimentell erhaltener digitaler Information in eine korrigierte, geordnete und vereinfachte Form)
  • Statistische Modellierung von Zusammenhängen der Daten/Messgrößen einer umfassenden bestehenden Datenbasis (multiple, zeitaufgelöste Charakterisierungsdaten von PV-Modulenwährend diverser beschleunigter Alterungstests)
  • Erstellen eines prädiktiven Modells (chemisch/physikalisch/elektrisch) zur Langzeitbeständigkeitund Zuverlässigkeit von PV-Materialien und -Modulen
  • Validierte Degradationsmodelle für PV-Materialien/Module zur Früherkennung von Alterung, Erstellung optimierter beschleunigte Alterungstests (Design of Experiment) und prädiktiver Instandhaltungs-Vorgaben
Eckdaten
Data-Driven, Smart & Secure Systems
Department Electronic Engineering & Entrepreneurship
FFG
von Januar 2021 bis März 2023
FH-Prof. Philipp Urbauer, PhD MSc
Klima und Energiefonds
Ein Mann mit kurzen, hellbraunen Haaren und blauen Augen, der ein hellblaues Hemd und einen grauen Blazer trägt, blickt vor einem hellen, verschwommenen Hintergrund in die Kamera.
FH-Prof. Philipp Urbauer, PhD MSc

Kompetenzfeldleiter Software Engineering & Architecture
Forschungsschwerpunktverantwortlicher Data-Driven, Smart & Secure Systems

+43 1 333 40 77-2485philipp.urbauer@technikum-wien.atDetails