SnowFogS

In vielen Wettersituationen weist das PV-Vorhersagesystem Suncast bereits eine sehr hohe Genauigkeit und Verlässlichkeit auf. Allerdings können Situationen mit Nebel und Schnee auf PV-Anlagen zu höheren Unsicherheiten in der Vorhersage führen, auch wenn bereits gezielt darauf zugeschnittene Korrekturverfahren in dem Vorhersagesystem von energy & meteo systems etabliert sind. Nebel und Schnee sind schwer, exakt vorherzusagen und haben lokal und regional einen gravierenden Einfluss auf die Stromproduktion. Die regional sehr unterschiedliche Bildung und Auflösung von Nebel sind beispielsweise nur unzureichend in numerischen Wetterprognosen abgebildet, der Einfluss von Schnee benötigt hochaufgelöste Informationen über Schneefall und Abrutschen des Schnees von PV-Anlagen.

Das Projekt SnowFogS zielte darauf ab, neue Verfahren zur Detektion und Vorhersage von Schnee und Nebel auf Basis von Satellitendaten zu entwickeln. Der Schwerpunkt des Projekts lag auf dem Kurzfrist-Vorhersagehorizont von wenigen Stunden im Voraus, der besonders relevant für den Intraday-Handel und die Netzführung und -sicherheit ist. Die verwendeten Satellitendaten und darauf aufbauenden Methoden eignen sich dabei besonders zur Ableitung von regional hochaufgelösten Informationen über die Verbreitung von Nebel und Bedeckung des Bodens durch Schnee. Angereichert wurden diese Informationen durch bodengestützte Messungen sowie Modelle zur Nebelauflösung. energy & meteo systems hat die so entwickelten Modelle testweise in das PV-Vorhersagesystem Suncast eingebunden und entsprechende Korrektur-Verfahren entwickelt und verbessert. Der Nutzen dieser verbesserten Detektion und Vorhersage des Einflusses von Nebel und Schnee wurde innerhalb des Projekt durch Anwender analysiert und bewertet.

Das Projekt SnowFogs lief im Zeitraum von Januar 2021 bis März 2024 und wurde gefördert durch das Bundesministerium für Wirtschaft und Klimaschutz (BMWK). Koordiniert wurde das Projekt durch das Fraunhofer-Institut für Solare Energiesysteme ISE in Freiburg und durchgeführt in Kooperation mit dem Karlsruher Institut für Technologie (KIT), TenneT TSO GmbH und Amprion GmbH.