Zurück zum Projektarchiv

Embedded Systems

Schwerpunkt

Intelligentes Solar-Tracking-System mit adaptivem Energiemanagement und Wetterschutz

Ein Solarpanel, das der Sonne folgt, sich vor schlechtem Wetter schützt, Solarverhalten prognostiziert und seine Leistung sichtbar macht.

Kontext: Bachelorarbeit / technisches Abschlussprojekt

Zeitraum: 2024-04 bis 2025-05

Zusammenfassung

Die Bachelorarbeit verbindet eine physische Solar-Tracking-Anlage mit lokaler Überwachung und Prognose. Das Panel richtet sich nach stärkerem Licht aus, meldet elektrische und Umweltdaten, reagiert auf Regen oder Vibrationen und zeigt seinen Zustand in einem Dashboard auf dem Raspberry Pi.

Meine Rolle

Eigenständige Bachelorarbeit: Ich entwarf und integrierte Embedded-Steuerung, lokale Plattform, Telemetrie, Dashboard, Energielogik und Prognoseablauf.

Umfang und nächster Validierungsschritt

Die Tests decken den funktionsfähigen Prototyp ab. Als nächster Schritt wäre ein längerer saisonaler Außeneinsatz sinnvoll.

2017–2018

NSRDB-Trainingszeitraum

2019

GHI-Prognosezeitraum

5 days

Aktueller Verlauf für den Betrieb am Folgetag

10

Meteorologische Eingangsmerkmale

Vom Sonnenlicht zur nutzbaren Entscheidung

Panel und Sensoren

Licht, Leistung, Batterie, Regen, Vibration und Wetter

ESP32

Echtzeitmessung, Nachführung, Aktoren und Schutz

Raspberry Pi 5

Lokale Orchestrierung, Verarbeitung und Prognose

Django und PostgreSQL

APIs, Telemetrieverlauf und Fernaktionen

Dashboard

Live-Status, Trends, Wetterkontext und Prognose

Was das System abdeckt

Zweiachsige Ausrichtung über Lichtsensoren und Servos.

Gemeinsamer Telemetriestrom für Leistung, Batterie und Umweltdaten.

Automatische Schutzreaktionen bei Regen und Erschütterung.

Historische Wetterdaten und lokale Messwerte für Bewertung und Tagesprognose.

Technologie

Physische Steuerung

ESP32LDR arraySG90 servosSensorsDC-DC regulation

Lokale Plattform

Raspberry Pi 5DjangoPostgreSQLREST APIs

Überwachung

JavaScriptD3.jsTelemetry dashboards

Prognose

PythonLSTMNSRDB dataGHI / DNI / DHI
Embedded SystemsIoTFull-StackAngewandte KIErneuerbare EnergieAutomatisierungTelemetrie

Ergebnisse

  • Hardware, Dashboard und Machine Learning arbeiten in einem funktionsfähigen Prototyp zusammen.
  • ESP32 und Raspberry Pi übernehmen klar getrennte Echtzeit- und Orchestrierungsaufgaben.
  • Die Prognose verbindet historische NSRDB-Auswertung mit aktuellen lokalen Messwerten.
  • Stromversorgung, Sensorrauschen, Aktoren, Persistenz und Oberfläche mussten gemeinsam betrachtet werden.
Ein Tag in Bewegung
SonnenaufgangPrognose