Optimierung des Kalibrierungsprozesses für Solarturmkraftwerke

Abstract

Das Deutsche Zentrum für Luft- und Raumfahrt (DLR) betreibt am Standort Jülich für Versuchszwecke ein Solarturmkraftwerk. Um eine dauerhaft präzise Ausrichtung der Heliostaten zu gewährleisten, werden diese regelmäßig mit dem Camera-Target Verfahren kalibriert. Dafür muss ein Brennfleck auf einem Target zuverlässig erkannt und der Schwerpunkt des Brennflecks bestimmt werden. Die aktuell verwendete Brennfleck-Erkennung der in Java implementierten Steuerungssoftware Heliostat Operating System (HeliOS) erkennt nicht alle sichtbaren Brennflecken. Ziel dieser Arbeit ist es, einen alternativen Algorithmus zur Brennfleck-Erkennung in C++ zu entwickeln. Dieser soll die Erkennungsrate von Brennflecken steigern und nach Möglichkeit Informationen über die Flussdichte des Brennflecks aus dem Bild extrahieren. Die Grundprinzipien des neu entwickelten Algorithmus sind die Verwendung vom k-Means Clustering und die Erkennung eines Brennflecks anhand von Brennfleck-typischen Ringen, welche durch das Clustering entstehen. In einem Testdatensatz mit Kalibrierungsbildern mit nicht detektierten Brennflecken der aktuellen Brennfleck-Erkennung erkannte der neue Algorithmus 79.02 % der Brennflecken. In einem Testdatensatz mit Kalibrierungsbildern mit bereits vom aktuellen Algorithmus detektierten Brennflecken erkannte der neue Algorithmus 99.53 % der Brennflecken. Ob die neu entwickelte Brennfleck-Erkennung die Erkennungsrate insgesamt steigern würde, müsste in einem parallelen Test der beiden Algorithmen im Betrieb überprüft werden. Aus zeitkritischen Gründen konnten keine zuverlässigen Informationen über die Flussdichteverteilung eines Brennflecks extrahiert werden. Durch das Clustering und die Ring-Erkennung der einzelnen Cluster sind allerdings Informationen über die Helligkeitsverteilung eines Brennflecks vorhanden. Diese könnten zukünftig genutzt werden, um Aussagen über die Flussdichteverteilung eines Brennflecks zu treffen.