Forschung für nachhaltige PV-Produktion

Anfang des Jahre fiel der Startschuss zum Projekt Platform-Zero, einem von der Europäischen Kommission kofinanziertes Projekt. Es zielt darauf ab, die allgemeine Produktionsqualität von Photovoltaikgeräten zu verbessern und gleichzeitig die Ressourceneffizienz durch eine Null-Fehler-Fertigung zu steigern. Langfristig sollen so die Herstellungskosten gesenkt werden können. Erreicht werden soll dies durch die Anwendung von Schlüsseltechnologien zur Inline-Prozessüberwachung und -steuerung in Verbindung mit künstlicher Intelligenz. Für die Umsetzung und Testung der Strategien stehen vier verschiedene Pilotanlagen in Spanien, Deutschland, Österreich und Polen zur Verfügung. Die Kooperationspartner befassen sich mit intelligenten Beschichtungen für Photovoltaikoberflächen, hocheffizienten Solarmodulen und flexiblen Solarfolien aus verschiedenen Materialien und Herstellungsprozessen.

Die jüngste Generation von PV-Technologien verbindet hohe Leistung mit großer Flexibilität für die Integration in Gebäuden etc. Diese Komplexität macht sie jedoch anfällig für kritische Defekte. Letztere können während der Produktion bei schon geringen Abweichungen auftreten. Das führt zu erheblichem Ausschuss und deutlich höherem Ressourcenverbrauch.

Intelligente Prüfverfahren

„Die Bildverarbeitung ist eines unserer Forschungsthemen. Für die visuelle Inspektion kommt unsere Inline Computational Imaging Technologie zum Einsatz und wird u.a. für diesen Anwendungsfall weiterentwickelt. Sie kombiniert sehr schnelle optische 2D und 3D Prüfmethoden mit intelligenten Algorithmen. Damit können wir selbst feinste Defekte bei hohen Produktions- und Prüfgeschwindigkeiten erkennen, auch wenn die Oberflächeneigenschaften des Materials schwierig sind“, so Govinda Lilley, der das Projekt am AIT leitet. Doch kommen – je nach Produktionsverfahren und Produktionsschritt – auch andere Prüfsysteme zur Anwendung. Diese unterschiedlichen Informationen sollen bereits während der Produktion zusammengeführt und damit Abweichungen in den Produktionsparametern frühzeitig erkannt werden, die zu Fehlproduktionen führen. Durch schnelle Korrektur soll der Materialausschuss minimiert werden. „Denn unser Ziel ist es, mittels Machine Learning Methoden Abweichungen bereits in der Produktion zu erkennen, bevor defekte Solarzellen am Ende der Produktionslinie entsorgt werden müssen,“ so der Forscher.