Erste Datenbank für Betriebsdaten von Solarturmkraftwerken

Solarturmkraftwerke nutzen die Sonnenenergie, indem sie Wärme statt direkt Strom erzeugen. Heliostate – bewegliche Spiegel – lenken das Sonnenlicht dazu präzise auf einen Receiver, der an einem Turm angebracht ist. Die dort erzeugte Wärme kann gespeichert, direkt zur Stromerzeugung genutzt oder für industrielle Prozesse verwendet werden. Eine Besonderheit ist, dass diese Anlagen auch an trüben Tagen oder nachts, durch gespeicherte Wärme, Strom produzieren und somit zur Netzstabilität beitragen können.

Obwohl Solarturmkraftwerke bereits kommerziell angeboten werden, sind sie im Vergleich zu Photovoltaik wenig verbreitet. Bisher fehlten Daten, um neue Verfahren für effizientere und zuverlässigere Anlagen zu testen und die Technologie weiterzuentwickeln.

Solarthermische Technologien schneller in die Anwendung überführen

„Mit PAINT machen wir reale Betriebsdaten aus dem Solarturm Jülich erstmals offen nutzbar und schaffen damit eine wichtige Grundlage für KI-Methoden, digitale Zwillinge und effizientere Solarturmkraftwerke. Das ist ein bedeutender Schritt, um solarthermische Technologien schneller aus der Forschung in robuste Anwendungen zu überführen“, erklärt Robert Pitz-Paal, Institutsdirektor des DLR-Institutes für Solarforschung.

Die Datenbank PAINT umfasst 849 Gigabyte Betriebs- und Wetterdaten aus den Jahren 2021 bis 2024, mehr als 218.000 Bilder der Heliostaten mit Daten zu Standort, Größen und Ausrichtungen der 2014 Spiegel sowie Daten zur Beschaffenheit der Spiegel.

Die Daten sind nach den FAIR-Prinzipien veröffentlicht, so dass die Daten auffindbar, zugänglich interoperabel und wiederverwendbar sind. Dafür nutzt das Forschungsteam den Standard SpatioTemporal Asset Catalog, kurz STAC. Dieser beschreibt raum- und zeitbezogene Daten so, dass Menschen und Maschinen sie lesen können.

Kraftwerksbetrieb am Simulationsmodell testen

Zusätzlich stellt das Team Python-Software bereit, mit der Forschende Daten für einzelne Heliostaten oder bestimmte Zeiträume herunterladen und direkt in Modelle des maschinellen Lernens einbinden können. So wird es möglich, den Kraftwerksbetrieb umfangreich am Simulationsmodell zu testen, zu optimieren und mit den Ansätzen anderer Entwickler objektiv zu vergleichen.

Die Datenbank unterstützt somit die Entwicklung von digitalen Zwillingen, KI-basierten Kalibrierungsmethoden, vorausschauender Wartung und Fehlererkennung sowie verbesserter Vorhersage der Solarflussdichte. Zukünftig könnten weitere Daten aus verschiedenen Anlagen hinzukommen und so ein gemeinsamer Standard für offene Betriebsdaten in der Solarturmforschung entstehen.

PAINT ist aus den Arbeiten an ARTIST entstanden, einem KI-gestützten, differenzierbaren Raytracing-Modell für digitale Solarturm-Zwillinge. Beteiligt waren Forschende, Ingenieurinnen und Ingenieure sowie Technikerinnen und Techniker vom Deutschen Zentrum für Luft- und Raumfahrt, vom KIT und von der KI-Plattform Helmholtz AI.

Originalpublikation

Kaleb Phipps, Mathias Kuhl, Marie Weiel, Marlene Busch, Jan Lewen, Nicolas Blumenröhr, Daniel Maldonado Quinto, Charlotte Debus, Felix Göhring, Oliver Kaufhold, Achim Streit, Robert Pitz-Paal, Markus Götz & Max Pargmann: The PAINT Database for Operational Concentrating Solar Power Plant Data Following FAIR Data Principles. Nature Energy, 2026. DOI 10.1038/s41560-026-02070-1.