Digitaler Zwilling

Der Digitale Zwilling erstellt ein virtuelles Modell jeder Solaranlage bis hinunter zum einzelnen String und vergleicht laufend, was Ihre Anlage tatsächlich produziert, mit dem, was die Physik vorhersagt. So kann Ihnen die Plattform nicht nur sagen, dass etwas unterdurchschnittlich läuft, sondern welche Komponente, um wie viel und warum — ein echter Ausfall, ein degradierter String, ein hängender Logger oder lediglich eine Kommunikationslücke.

Konzept des Digitalen Zwillings

Der Digitale Zwilling versteht Ihre Anlage als Hierarchie von Komponenten — Einspeisezähler, Wechselrichter, Generatoranschlusskästen, Strings und Module — und betrachtet jede einzelne ebenso wie deren Zusammenwirken zur Gesamtanlage.

• Komponentenebenen-Modell: Jede Komponente der Anlage hat ein digitales Gegenstück mit eigenem erwartetem Verhalten
• Physikbasierte Erwartungen: Die erwartete Produktion wird aus Sonnengeometrie, Wetter sowie validierten Modul- und Wechselrichtermodellen berechnet — nicht aus Machine-Learning-Schätzungen
• Selbstkalibrierend: Das Modell lernt kontinuierlich das reale Verhalten jeder Komponente über ein gleitendes Zeitfenster, sodass die „Erwartung" der Realität folgt statt einem festen Typenschildwert

Funktionsweise des Digitalen Zwillings

Der Digitale Zwilling betreibt zwei eigenständige Engines auf den Messdaten Ihrer Anlage:

• String-Analyse — ermittelt und validiert Konfiguration und Eigenschaften jedes Strings (Ausrichtung, Modulanzahl, Wechselrichter-Clipping, Verschattung und Leistung). Sie lösen sie aus, wenn eine Anlage in Betrieb genommen wird oder sich die Konfiguration ändert.
• Watchdog-Überwachung — läuft automatisch jede Nacht, um den Zustand jeder Komponente zu bewerten, echte Fehler von Kommunikationslücken zu trennen und Energieverluste mit einer Konfidenzbewertung zu quantifizieren.

Die erwartete Produktion wird aus einem deterministischen Clear-Sky-Modell (Sonnenstand und Einstrahlung für Standort und Datum der Anlage), einem validierten Eindioden-Modulmodell und einem validierten Wechselrichtermodell gebildet. Es gibt keine Machine-Learning-Prädiktoren und keinen interpolierten „Schatten" der Anlage — jede Erwartung ist auf die Physik und das eigene gemessene Verhalten der Anlage zurückführbar.

Datenvalidierung

Bevor ein Wert als vertrauenswürdig gilt, prüft der Digitale Zwilling ihn auf Plausibilität:

• Physikalische Plausibilitätsprüfungen: Werte außerhalb physikalisch möglicher Bereiche werden markiert (und ein String kann als messdefekt gekennzeichnet werden)
• Relationale Validierung: Untergeordnete Messwerte werden gegen die Summe ihres übergeordneten Elements geprüft, sodass ein Wechselrichter, dessen Strings sich zu einem unplausiblen Wert summieren, erkannt wird
• Referenzvergleich: Jede Komponente wird gegen ihre physikbasierte Erwartung und ihr eigenes jüngstes Verhalten verglichen

Diese Prüfungen verhindern, dass fehlerhafte Messwerte als echte Leistungsprobleme fehlinterpretiert werden.

Selbstkalibrierung

Statt anzunehmen, dass jede Komponente genau gemäß Typenschild arbeitet, pflegt der Digitale Zwilling pro Komponente einen Korrekturfaktor, den er über ein gleitendes Mehrtagesfenster aktualisiert. So bleibt die erwartete Produktion jeder Komponente daran ausgerichtet, wie sie sich tatsächlich verhält.

• Die Korrektur wird nur für gesunde Komponenten und nur an nicht-anomalen Tagen aktualisiert — ist ein Tag zu stark gestört (zum Beispiel zeigen mehr als ein Drittel der Tageslichtstunden Anomalien), wird die Kalibrierung übersprungen, damit schlechte Daten das Modell nie verfälschen
• Sie wird je nach Wetterlage des Tages (klar, diesig oder bewölkt) angewendet

Referenz-Einstrahlung — kein Sensor vor Ort erforderlich

Der Watchdog leitet eine gemessene Einstrahlungsreferenz aus den leistungsstärksten Strings der Anlage selbst ab, anstatt sich auf einen physischen Pyranometer zu verlassen. Diese Referenz-Einstrahlung ist das, womit der Rest der Analyse verglichen wird, und sie dient zugleich als Marker für „dieser Tag wurde verarbeitet".

Solaranlagen

Für Solar-PV-Anlagen bietet der Digitale Zwilling komponentenweise Analyse und Überwachung über die gesamte Gleichstrom- (DC) und Wechselstrom-Leistungskette (AC) hinweg.

Komponentenhierarchie

Zu verstehen, wie eine Solaranlage aufgebaut ist, ist essenziell, um zu verstehen, wie der Digitale Zwilling sie überwacht und analysiert. Eine typische Solaranlage besteht aus mehreren Komponentenebenen, von denen jede eine bestimmte Rolle bei der Umwandlung von Sonnenlicht in netzfähigen Strom spielt.

Der Pfad des Energieflusses

Folgen wir dem Pfad, den die elektrische Energie durch eine Solaranlage nimmt:

Hinweis: Gestrichelte Linien kennzeichnen optionale Komponenten oder alternative Pfade. Ein String kann direkt mit einem Wechselrichter oder über einen Generatoranschlusskasten (GAK) verbunden sein.

Komponentenbeschreibungen

Dieses gesamte Flussdiagramm stellt eine Solaranlage dar. Jede Komponente im Energiefluss erfüllt einen eigenen Zweck:

1. Solarmodul

• Die einzelnen Photovoltaikmodule, die Sonnenlicht in Strom umwandeln
• Mehrere Module werden in Reihe geschaltet, um einen String zu bilden
• Die Modulspezifikationen (Nennleistung, Wirkungsgrad) bestimmen die String-Leistung

2. String-Messpunkt

• Der Punkt, an dem eine oder mehrere Reihen von Solarmodulen gemessen werden
• Ein String ist eine elektrisch in Reihe verbundene Folge von Solarmodulen
• Besteht typischerweise aus 10–30 in Reihe verschalteten Modulen
• Jeder String erzeugt DC-Leistung entsprechend seiner Konfiguration und Ausrichtung

3. Generatoranschlusskasten / GAK (optional)

• Fasst mehrere Strings elektrisch zusammen, bevor sie den Wechselrichter erreichen
• „GAK" steht für „Generator-Anschluss-Kasten"
• Nicht alle Installationen verwenden Generatoranschlusskästen; Strings können direkt mit Wechselrichtern verbunden sein

4. Wechselrichter

• Wandelt DC-Leistung (Gleichstrom) der Solarmodule in AC-Leistung (Wechselstrom) für das Netz um
• In einer Anlage können mehrere Wechselrichter vorhanden sein, von denen jeder einen Teil der Installation abdeckt
• Erfasst Umwandlungswirkungsgrad und Betriebsstatus

5. Einspeisezähler

• Misst die gesamte ins Stromnetz exportierte Energie
• Befindet sich am Netzanschlusspunkt
• Liefert die maßgebliche Messung der Gesamtproduktion

Der Digitale Zwilling erstellt ein virtuelles Modell dieses gesamten Energieflusses und überwacht laufend die Leistung jeder Komponente.

String-Analyse

Die String-Analyse untersucht jeden PV-String, um seine Konfiguration zu validieren und Leistungsprobleme aufzudecken. Sie lösen sie für eine Anlage aus, sobald diese in Betrieb genommen ist, und führen sie erneut aus, wann immer sich die Konfiguration ändert.

Ausrichtungsanalyse:

• Erkennt die effektive Ausrichtung (Azimut) jedes Strings aus seinem Produktionsmuster
• Vergleicht die gemessene mit der theoretischen Produktion für verschiedene Ausrichtungen
• Markiert Abweichungen von der konfigurierten Ausrichtung
• Normalisiert Daten, sodass Leistungsunterschiede das Ergebnis nicht verfälschen

Modulanzahl-Analyse:

• Schätzt die tatsächliche Modulanzahl pro String aus dem Spannungs- und Einstrahlungsverhalten über den Tag hinweg
• Berücksichtigt Degradation und Temperatur und erfordert Wetterdaten zu Umgebungstemperatur und Windgeschwindigkeit
• Validiert die konfigurierte Anzahl gegen die Schätzung und markiert fehlende oder nicht funktionierende Module
• Kann erkennen, wenn mehrere Reihen über einen einzigen Messpunkt verbunden sind

Wechselrichter-Limit-Analyse:

• Erkennt, wenn die DC-Leistung die AC-Kapazität des Wechselrichters überschreitet (Clipping)
• Quantifiziert die Clipping-Dauer und den zugehörigen Energieverlust
• Berücksichtigt Clipping, sodass es nicht mit einem Fehler verwechselt wird

Verschattungsanalyse:

• Erkennt Reihenverschattung bei Sonnenauf- und -untergang gegen die Clear-Sky-Erwartung
• Berichtet die morgendlichen und abendlichen Schattenzeiträume und den daraus resultierenden Schattenverlust

Leistungsanalyse:

• Vergleicht die gemessene mit der simulierten Energie unter Verwendung des validierten Modulmodells
• Erzeugt eine String-Performance-Ratio und verfolgt die Degradation über wiederholte Analysen hinweg

Jede String-Analyse trägt eine Konfidenzbewertung und einen String-spezifischen Status: abgeschlossen, kein Strom (keine verwertbaren Daten — der String kann ausgeblendet werden), hohe Unsicherheit, unzureichende Daten oder Messdefekt (Werte außerhalb der physikalischen Grenzen).

Watchdog-Überwachung

Der Watchdog bewertet den Zustand jeder Komponente in der Anlage und läuft automatisch jede Nacht, sodass Sie nichts planen oder auslösen müssen. Jeder Anlage wird ein eigenes Zeitfenster im frühen Morgenfenster zugewiesen, um die Last zu verteilen, und die Anlage wird für den Vortag ausgewertet.

Der Watchdog verwendet einen zweistufigen Ansatz, damit er keinen Fehlalarm auslöst, wenn eine einzelne Komponente aus einem unkritischen Grund wie einem Netzausfall oder einem fehlenden Messwert ausfällt:

Bottom-Up-Überwachung:

• Bewertet jede Ebene von den Strings bis zum Einspeisezähler
• Vergleicht die tatsächliche Produktion mit der physikbasierten Erwartung
• Schließt Netzausfälle, Datenlücken und Wetterbedingungen (Schnee, Tau, Nebel) sowie geregelte Abschaltungen aus
• Aggregiert untergeordnete Komponenten, um deren übergeordnete zu bewerten

Top-Down-Inferenz:

• Wenn einer Komponente Daten fehlen, ihr übergeordnetes Element aber gesund ist, wird die Produktion des übergeordneten Elements genutzt, um den wahrscheinlichen Zustand der untergeordneten abzuleiten
• So wird ein Wechselrichter, der eigentlich in Ordnung, aber vorübergehend nicht erreichbar ist, korrekt als Kommunikationsproblem, nicht als Ausfall gekennzeichnet

Echte Fehler vs. Datenerfassungsprobleme

Eine zentrale Aufgabe des Watchdogs ist es, einen echten Fehler von einer bloßen Meldelücke zu unterscheiden:

• Ausfall / Degradation: Die Komponente hat tatsächlich weniger als erwartet produziert — dies zählt als Energieverlust
• Datenerfassungsproblem: Das übergeordnete Element ist gesund, aber die Daten der untergeordneten Komponente fehlen oder sind unplausibel niedrig — dies wird als Kommunikations- oder Logging-Problem behandelt und nicht als Verlust gewertet

Diese Unterscheidung verhindert, dass ein getrennter Logger als Produktionsverlust gemeldet wird, und setzt die richtige Erwartung dafür, worauf ein Betreiber tatsächlich reagieren sollte. Die vollständige Liste der Komponentenzustände und ihre jeweilige Bedeutung finden Sie unter Komponentenbewertung.

Verlustkonfidenz

Jeder Energieverlustwert, den der Watchdog meldet, erhält ein Konfidenzniveau — hoch, mittel oder niedrig — basierend darauf, wie konsistent die zugrunde liegenden Daten waren und wie sicher die Lückenklassifizierung ist. Die Kategorien summieren sich stets zum Gesamtverlust, sodass Sie auf einen Blick sehen, wie viel eines gemeldeten Verlusts solide belegt ist gegenüber unsicher. Wie Verluste berechnet und zugeordnet werden, erfahren Sie unter Verlusterkennung.

Windkraftanlagen

Die Digital-Twin-Analyse für Windenergieanlagen ist geplant. Daten von Windanlagen können heute erfasst werden, aber die oben beschriebene komponentenweise Analyse gilt noch nicht für Wind.

Geplante Fähigkeiten:

• Turbinenebenen-Leistungsüberwachung
• Leistungskurvenvalidierung
• Windressourcen-Korrelation
• Verfolgung von Gondel- und Rotorkomponenten
• Verfügbarkeits- und Ausfallzeitanalyse
• Schwingungs- und Betriebsanomalieerkennung
• Validierung der Gierausrichtung
• Netzintegrationsüberwachung

Geplante Komponentenhierarchie:

• Windpark (oberste Ebene)
• Einzelne Turbinen
• Generatoren
• Steuerungssysteme
• Umweltsensoren (Anemometer, Windfahnen)

Die Windüberwachung wird ähnlichen Mustern wie Solaranlagen folgen, mit physikbasierten Modellen, die an die Prinzipien der Windenergie angepasst sind.

Batteriespeicher

Die Digital-Twin-Analyse für Batteriespeichersysteme ist geplant. Daten von Batterieanlagen und die Komponentenhierarchie können heute erfasst werden, aber die Analyse-Engine bewertet das Batterieverhalten noch nicht.

Geplante Fähigkeiten:

• Verfolgung und Validierung des Ladezustands (SoC)
• Überwachung des Gesundheitszustands (SoH)
• Analyse des Lade-/Entlade-Wirkungsgrads
• Überwachung des Thermomanagements
• Zellbalance-Analyse
• Zyklenzählung und Degradationsverfolgung
• Berechnung des Round-Trip-Wirkungsgrads
• Leistung bei Netzdienstleistungen (Frequenzhaltung, Peak-Shaving)
• Integration des Batteriemanagementsystems (BMS)

Geplante Komponentenhierarchie:

• Batteriespeichersystem (BESS)
• Batteriebänke/-racks
• Einzelne Module/Zellen
• Power Conversion System (PCS)
• Thermomanagement
• BMS

Die Batterieüberwachung wird das elektrochemische Verhalten validieren und einen sicheren, effizienten Betrieb gewährleisten.

Betriebliche Vorteile

Der Digitale Zwilling bietet Ihnen:

• Vertrauenswürdige Überwachung: Unplausible Messwerte werden markiert und ausgeschlossen, sodass das, was Sie sehen, die Anlage widerspiegelt, nicht die Datenverbindung
• Klare Ursachenanalyse: Abweichungen werden einer bestimmten Komponente und einer bestimmten Ursache zugeordnet — Ausfall, Degradation, hängender Logger, inaktiver Endpunkt oder Kommunikationslücke
• Quantifizierte, bewertete Verluste: Jeder Verlust kommt mit einem Konfidenzniveau, sodass Sie wissen, wie sehr Sie sich darauf verlassen können
• Wartungsfreie Abdeckung: Nächtliche Auswertung und automatisches Nachfüllen halten das Bild aktuell und schließen Lücken ohne Aufwand für den Betreiber
• Kein Einstrahlungssensor vor Ort nötig: Die leistungsstärksten Strings der Anlage selbst liefern die Einstrahlungsreferenz

Integration mit anderen Funktionen

Der Digitale Zwilling arbeitet mit anderen Plattformfunktionen zusammen:

• Liefert validierte Daten an das KPI-Dashboard
• Stellt Abweichungen als Ereignisse dar, die Sie als Tickets sichten und beheben können
• Untermauert den Komponentenzustand, der in der Komponentenbewertung angezeigt wird, sowie die Energieverlustaufschlüsselung in der Verlusterkennung
• Speist präzise Anlagenverhaltensmodelle in Prognosen ein
• Hilft, Gerätekommunikationsprobleme zu interpretieren, die der Lokale Netzwerk-Inspektor sieht

Technische Umsetzung

Für die technische Sicht darauf, wie der Digitale Zwilling läuft, siehe Architektur des Digitalen Zwillings.

Verwandte Funktionen

• Komponentenbewertung — die Komponentenzustände, die der Digitale Zwilling bestimmen kann, und was jeder bedeutet
• Verlusterkennung — wie Energieverluste quantifiziert, zugeordnet und konfidenzbewertet werden
• Effizienzerkennung — String- und Performance-Ratio-Analyse zum Aufspüren von Minderleistung
• Echtzeitüberwachung — die Live-Metrik-Pipeline, über die der Digitale Zwilling argumentiert
• Ereignisse — maschinell erkannte Signale, die aus den Erkenntnissen des Digitalen Zwillings entstehen