Zum Hauptinhalt springen

Prozess der Anlagenintegration

Um ein hohes Maß an Datenqualität über sein Portal zu gewährleisten, legt Novasense größten Wert auf die Qualität der Metadaten während des Integrationsprozesses. Die Integration einer neuen Anlage im Novasense-Portal umfasst mehrere Schritte.

Übertragung der Anlagendokumentation​

Der erste Schritt der Integration besteht darin, Novasense Zugang zur Anlagendokumentation zu gewähren. Folgende Dokumente sind erforderlich:

  • Ausgefülltes Onboarding-Formularvorlage
  • String-Verkabelungspläne
  • Datenblätter der Wechselrichter
  • Datenblätter der Solarmodule
  • Informationen über die verwendeten Datenquellen
warnung

Stellen Sie sicher, dass Sie genaue, korrekte und präzise Pläne und Metadaten bereitstellen. Fehler in der Dokumentation können zu zusätzlichem Aufwand in den nachfolgenden Integrationsschritten führen.

Initiale Anlagenintegration​

Die initiale Anlagenintegration wird von Novasense in drei Schritten durchgeführt:

  1. Dokumentenplausibilitätsprüfung: Überprüfen, ob die bereitgestellten Dokumente klar und kohärent sind.
  2. Zeitreihenprüfung: Überprüfen der normalisierten Rohdaten, um sicherzustellen, dass die elektrischen Messungen mit den bereitgestellten Anlagenlayoutinformationen übereinstimmen.
  3. Novasense-Portal-Einrichtung: Einrichtung des Novasense-Portals mit allen Metadaten, Erhalt von Wetter- und Wechselrichter-Datenverlauf.

Offensichtlich falsche Anlagendaten, die an Novasense übermittelt werden, führen zu einer Unterbrechung des Prozesses für weitere Klärungen mit dem Kunden. Im Zweifelsfall könnte Novasense eine endgültige Validierung des Anlagenlayouts vom Kunden anfordern.

hinweis

In diesem Stadium ist die Anlage im Novasense-Portal sichtbar, und die Anomalieerkennung hat Standardschwellenwerte für perfekt funktionierende Anlagen definiert. Die Feinabstimmung der Anomalieerkennung erfolgt im nächsten Schritt.

Anpassung der Anomalieerkennung​

Nach 6-12 Monaten Betrieb werden die historischen Daten ausgewertet und die Anomalieerkennung wird angepasst, um ein optimales Gleichgewicht zwischen Sensitivität und Selektivität zu bieten. Bei Bedarf werden Machine-Learning-Modelle trainiert, um die Qualität der Berechnungen der Zielwerte zu verbessern. Weitere Informationen zur Leistungsmodellierung finden Sie auf der Seite KPI-Berechnung.