Simulationsmethoden für Smart Alarms
Zuletzt geändert:
Sie können zwischen den folgenden Simulationsmodellen für Minderertrags- und Totalausfallalarme wählen. Welche Methode Sie wählen, hängt von Ihren individuellen Anlageneinstellungen und Präferenzen ab.
Hinweis
Wenn Sie eine Simulationsmethode gewählt haben, die keinen Wert liefert, und alle Ihre Wechselrichter gleichzeitig ausfallen, wird eine grundlegende Standardberechnung auf der Grundlage des Sonnenstandes durchgeführt. Bei dieser Berechnung wird lediglich geprüft, ob Leistung vorhanden sein sollte, ohne den konfigurierten Nennleistungswert zu berücksichtigen.
Methode | Beschreibung | Voraussetzungen |
---|---|---|
Wechselrichtervergleich | Die Quelle des Sollwerts wird durch den Vergleich der Wechselrichter untereinander ermittelt |
|
Physikalische Simulation | Die Simulation wird dann auf der Grundlage der Einstrahlungswerte für jede Teilanlage der Ausrichtung erstellt. |
|
Machine Learning Simulation | Machine Learning Algorithmen analysieren die historischen Messdaten der PV-Anlage und optimieren die physikalische Simulation. |
|
Um eine Simulationsmethode zu aktivieren, gehen Sie zur Anlagenkonfiguration > Überwachung > Alarme > Minderertragsalarm (oder Totalausfallsalarm) > Auslösekriterien > Wählen Sie die gewünschte Simulationsmethode.
Wechselrichtervergleich
Bei dieser Methode wird die Quelle des Sollwerts durch den Vergleich der Wechselrichter ermittelt. Die jeweilige Eingangskonfiguration wird automatisch berücksichtigt. Zu diesem Zweck werden alle Wechselrichter nach dem Verhältnis ihrer Eingänge gruppiert. Dann wird der Wechselrichter mit der besten Leistung (der mit der höchsten normierten Leistung) als Referenz für die anderen Wechselrichter in dieser Gruppe festgelegt. Im nächsten Schritt wird die normierte Leistung als Zielwert für die zu vergleichenden Wechselrichter betrachtet.
Voraussetzungen
Alle Wechselrichter sind einer Teilanlage zugeordnet.
Anwendungsfall 1: Passende Konfiguration
Teilanlage | Eingang 1 | Eingabe 2 | Verhältnis des Eingangs |
Wechselrichter 1 | 120 kWp @ 95°/20 | 120 kWp @ 275°/20° | 1 @ 95°/20°:1 @ 275°/20° |
Wechselrichter 2 | 60 kWp @ 95°/20° | 60 kWp bei 275°/20° | 1 @ 95°/20°:1 @ 275°/20° |
Wechselrichter 3 | 120 kWp bei 95°/30° | 120 kWp bei 275°/30° | 1 @ 95°/30°:1 @ 275°/30° |
Wechselrichter 4 | 60 kWp bei 95°/30° | 60 kWp bei 275°/30° | 1@ 95°/30°:1 @ 275°/30° |
In diesem Szenario würde die VCOM Cloud zwei Gruppen bilden:
Gruppe 1: Wechselrichter 1 und Wechselrichter 2 (1:1 Verhältnis von 95°/20° und 275°/20°)
Gruppe 2: Wechselrichter 3 und Wechselrichter 4 (1:1-Verhältnis von 95°/30° und 275°/30°)
Anwendungsfall 2: Nicht übereinstimmende Konfigurationen
Teilanlage | Eingang 1 | Eingabe 2 | Verhältnis des Eingangs |
Wechselrichter 1 | 120 kWp @ 95°/20° | 120 kWp @ 275°/20° | 1 @ 95°/20°:1 @ 275°/20° |
Wechselrichter 2 | 60 kWp @ 95°/20° | 60 kWp bei 275°/20° | 1 @ 95°/20°:1 @ 275°/20° |
Wechselrichter 3 | 120 kWp bei 95°/30° | 120 kWp bei 275°/30° | 1 @ 95°/30°:1 @ 275°/30° |
Wechselrichter 4 | 60 kWp bei 95°/30° | 60 kWp bei 275°/30° | 1 @ 95°/30°:1 @ 275°/30° |
Wechselrichter 5 | 60 kWp @ 95°/20° | 120 kWp @ 275°/20° | 1 @ 95°/20°:2 @ 275°/20° |
Wechselrichter 6 | 40 kWp @ 95°/20° | 120 kWp @ 275°/20° | 1 @ 95°/20°:3 @ 275°/20° |
In diesem Szenario würde die VCOM Cloud drei Gruppen bilden
Gruppe 1: Wechselrichter 1 und Wechselrichter 2 (1:1 Verhältnis von 95°/20° und 275°/20°)
Gruppe 2: Wechselrichter 3 und Wechselrichter 4 (1:1-Verhältnis von 95°/30° und 275°/30°)
Gruppe 3: Wechselrichter 5 und Wechselrichter 6 (Rest)
Anwendungsfall 3: Einzelne Konfiguration ohne Übereinstimmung
Teilanlage | Eingang 1 | Eingabe 2 | Verhältnis des Eingangs |
Wechselrichter 1 | 120 kWp @ 95°/20° | 120 kWp @ 275°/20° | 1 @ 95°/20°:1 @ 275°/20° |
Wechselrichter 2 | 60 kWp @ 95°/20° | 60 kWp bei 275°/20° | 1 @ 95°/20°:1 @ 275°/20° |
Wechselrichter 3 | 120 kWp bei 95°/30° | 120 kWp bei 275°/30° | 1 @ 95°/30°:1 @ 275°/30° |
In diesem Szenario würde die VCOM Cloud nur eine Gruppe mit allen Wechselrichtern bilden. Sonst gäbe es keine Referenz auf den Wechselrichter 3.
Physikalische Simulation
Die physikalische Simulation verwendet Einstrahlungsstärkewerte. Um die erforderlichen Daten der Anlagenkonfiguration (Ausrichtung und Neigung der Anlage) zu erfassen, wird zunächst die spezifische Leistung (Modul und Wechselrichter) für jede Teilanlage der Ausrichtung berechnet. Die Simulation wird dann auf der Grundlage der Einstrahlungswerte für jede Teilanlage der Ausrichtung erstellt. Jede Teilanlage wird mit der Einstrahlung des Sensors simuliert, der ihm am ähnlichsten ist. Die Ähnlichkeit zwischen Teilanlagen und Sensoren wird durch Berechnung der Korrelation zwischen den Leistungsmessungen der Teilanlage und dem Strahlungswert des Sensors ermittelt.
Voraussetzungen
Alle Wechselrichter sind einer Teilanlage zugeordnet
Mindestens ein funktionierender Einstrahlungssensor muss an der Anlage angebunden sein
![]() Minderertragsalarm: Modell physikalische Simulation | Die Anlagenkonfiguration wird abgerufen und die Orientierung der Teilanlage definiert. |
Die in der PV-Anlage installierten Sensoren werden der jeweiligen Orientierung der Teilanlage zugeordnet. Temperaturwerte werden berücksichtigt. | |
Die spezifische Leistung für jede Teilanlage dieser Orientierung wird berechnet | |
Aus den Werten der Wechselrichter und der installierten Leistung der Module wird der spezifische Energieertrag für jede Teilanlage der Ausrichtung berechnet | |
Der Zielwert pro Intervall wird auf Anlagenebene als spezifischer Wert berechnet | |
Der Zielwert pro Intervall wird auf Anlagenebene als absoluter Wert berechnet |
Machine Learning Simulation
Die Machine Learning Simulation entspricht der physikalischen Simulation, verwendet aber historische Daten für genauere Simulationen. Algorithmen des maschinellen Lernens analysieren die historischen Messdaten der PV-Anlage und optimieren die physikalische Simulation. Dadurch wird die Abweichung zwischen der gemessenen Leistung und der Zielleistung verringert, um einen möglichst genauen Zielwert zu erreichen. Die Machine Learning Simulation kann Ihnen helfen, die genauesten Ergebnisse zu erzielen. Um Machine Learning anwenden zu können, muss die Anlage die folgenden Kriterien erfüllen:
Voraussetzungen
Die Anzahl der Wechselrichter pro Teilanlage muss mit der Anzahl der in dieser Teilanlage konfigurierten Wechselrichter übereinstimmen.
Keine „unbekannten“ Module sind in einer Teilanlage konfiguriert.
Manuelle Korrektur der Teilanlagenkonfiguration wird nicht berücksichtigt
70% oder mehr Datenpunkte während des Tages sind gültig
Gültige Trainingsdaten von mindestens zwei Wochen innerhalb der letzten 30 Tage sind verfügbar.
Fehlen gültige Trainingsdaten, ist die Machine Learning Simulation nicht verfügbar, und es wird eine entsprechende Meldung angezeigt.
Hinweis
Die physikalischen und Machine Learning Simulationen sind auch relevant für die Simulation des Solarleistungsdiagramms. Siehe Simulation.