Fachbereich Mathematik/Informatik an der Universität Osnabrück
Methodenentwicklung zur GIS-gestützten
Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Dissertation
zur Erlangung des Grades Doktor der
Naturwissenschaften (Dr. rer. nat.), eingereicht am Fachbereich
Mathematik/Informatik der Universität Osnabrück
vorgelegt von
Dorothea Ludwig aus Osnabrück
Osnabrück 2015
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Danksagung der Autorin
Für die Möglichkeit promovieren zu können zeige ich mich besonders dankbar. Möglich war
dies durch die Motivation, Unterstützung, Ermutigung und das Vertrauen besonderer Personen.
Herzlich möchte ich mich bei Prof. Dr. Ehlers für die Unterstützung und Motivation bedanken.
Mein Dank gilt zudem Prof. Dr. Stefan Taeger, der durch seine Unterstützung meine Dissertation gefördert hat. Die Idee und den Anstoß zu diesem Thema und grundsätzlich eine Doktorarbeit zu verfassen erhielt ich von Martina, vielen Dank hierfür.
Den Rücken für die vielen Stunden am PC frei gehalten und immer hinter mir und dem Vorhaben gestanden haben mein Mann Wolfgang, meine Kinder Marla und Till und meine Eltern.
Viel Austausch über Vorgehen und Methoden mit Lothar Ulferts und Frank Reekers haben
das Vorhaben sehr bereichert, vielen Dank.
Besonders bedanken möchte ich mich bei Marc Kodetzki und Roland Hachmann für die Unterstützung in schwierigen Zeiten und die Ermutigung. Ein offenes Ohr, wertvolle Ratschläge
und Motivation erhielt ich von Hubertus von Dressler und Verone Stillger. Für deren Begleitung im Studium, während meiner Beschäftigung an der Fachhochschule und bis heute in
persönlicher Verbundenheit bin ich äußerst dankbar. Diese Unterstützung war und ist in meinem beruflichen Werdegang besonders wertvoll.
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Inhaltsverzeichnis
1 Einleitung ....................................................................................................................... 1
1.1
Problemstellung ..................................................................................................... 1
1.2
Zielsetzung ............................................................................................................ 8
2 Grundlagen ...................................................................................................................11
2.1
Nutzung von Solaranlagen ....................................................................................11
2.1.1
Sonnenstrahlung ...........................................................................................11
2.1.2
Solarsysteme ................................................................................................13
2.1.3
Standortkriterien ............................................................................................16
2.2
Laserscanning-Messpunktverfahren .....................................................................36
2.2.1
Grundlagen und Begriffe ...............................................................................37
2.2.2
Aufnahmesysteme.........................................................................................41
2.3
Stand der Technik .................................................................................................43
2.3.1
Solarpotenzialanalysen .................................................................................44
2.3.2
Gebäudeextraktion und -modellierung ...........................................................48
3 Referenzdaten ..............................................................................................................56
3.1
Gebäudegrundrisse (ALK/ALKIS, Hausumringe)...................................................56
3.2
Laserscandaten ....................................................................................................56
3.3
Referenzdaten zur Genauigkeitsbewertung ..........................................................59
3.3.1
Baupläne Stadt Osnabrück............................................................................59
3.3.2
Manuelle Neigungs- und Ausrichtungsmessung Stadt Braunschweig............60
3.3.3
Strahlungsdaten von PVGIS..........................................................................61
3.3.4
Leistungsdaten bestehender PV-Anlagen Stadt Dresden ..............................61
4 Methodenentwicklung zur Ermittlung des Solarenergiepotenzials .................................62
4.1
Algorithmenentwicklung ........................................................................................62
4.2
Datenaufbereitung und Qualitätsüberprüfung der Laserscandaten........................66
4.3
Datenaufbereitung zur Extraktion der Dachflächen aus den Laserscandaten........68
4.4
Selektion homogener Dachteilflächenbereiche......................................................69
4.5
Berechnung der Dachneigung und Dachexposition ...............................................84
4.6
Einstrahlungsanalyse und Abschattungsberechnung ............................................84
4.6.1
Grundlagen der solaren Einstrahlungs- und Abschattungsberechnung .........85
4.6.2
Methode zur Solareinstrahlungs- und Abschattungsberechnung ...................87
IV
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
4.7
Berechnung des Solarenergiepotenzials ...............................................................89
4.7.1
Gesamtstromertrag, kWp-Leistung und spezifischer Stromertrag ..................93
4.7.2
Wärmemenge Solarthermie ...........................................................................95
4.7.3
CO2-Einsparsumme Photovoltaik ..................................................................95
4.7.4
CO2-Einsparsumme Solarthermie..................................................................96
4.8
Bewertung der Laserscandatenqualität .................................................................97
4.9
Ergebnis der Solarpotenzialanalyse ......................................................................98
4.10
Methodenbewertung .............................................................................................98
4.10.1
Bewertung der Einstrahlungsgenauigkeit ....................................................100
4.10.2
Bewertung der Neigungsgenauigkeit ...........................................................100
4.10.3
Bewertung der Orientierungsgenauigkeit .....................................................100
4.10.4
Genauigkeit des spezifischen Stromertrags.................................................101
5 Ergebnisse .................................................................................................................102
5.1
Bewertung der Ergebnisse ..................................................................................102
5.1.1
Genauigkeit der Laserscandaten .................................................................109
5.1.2
Interpolationsverfahren ................................................................................118
5.1.3
Neigungs-, Orientierungs- und Flächengrößengenauigkeit ..........................120
5.1.4
Einstrahlungsgenauigkeit ............................................................................124
5.1.5
Genauigkeit des spezifischen Stromertrags.................................................126
5.2
Werkzeug zur Berechnung des Solarenergiepotenzials auf Dachflächen ............127
6 Diskussion und Ausblick .............................................................................................128
6.1
Diskussion ..........................................................................................................129
6.2
Ausblick ..............................................................................................................136
Literatur ..........................................................................................................................138
A1 Anhang.......................................................................................................................... I
V
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildungsverzeichnis
Abbildung 1: Emissionen der EU seit 1990 und Klimaziele in 2020 ....................................... 3
Abbildung 2: Energiebereitstellung aus Erneuerbaren Energien 2012 (BMU, 2013b) ............ 4
Abbildung 3: Entwicklung der Strombereitstellung und der installierten Leistung aus
Photovoltaikanlagen in Deutschland ...................................................................................... 5
Abbildung 4: Entwicklung der Wärmebereitstellung und installierten thermischen Leistung
aus solarthermischen Anlagen in Deutschland ...................................................................... 6
Abbildung 5:Verschiedene Szenarien zum Ausbau der Photovoltaik und die tatsächliche
Entwicklung bis einschließlich 2012....................................................................................... 7
Abbildung 6: Prognose der zukünftigen Zusammensetzung der Energiequellen bis 2025 ..... 7
Abbildung 7: Darstellung der Zusammensetzung der Strahlungsarten .................................12
Abbildung 8: Senkrechter Strahlungseinfall auf eine Fläche. ................................................12
Abbildung 9: Flacher Strahlungseinfall auf eine Fläche. .......................................................13
Abbildung 10: Darstellung einer Solarzelle ...........................................................................13
Abbildung 11: Funktionsweise der Solarthermienutzung für die Warmwasserbereitung .......14
Abbildung 12: Aufbau eines Solarthermie-Kollektors ............................................................15
Abbildung 13: Globalstrahlung in der Bundesrepublik Deutschland, mittlere Jahressumme im
Zeitraum 1981-2010. ............................................................................................................16
Abbildung 14: Mittlere monatliche Tagessummen der Globalstrahlung für Osnabrück
bezogen auf eine horizontale Ebene seit 2001 im Vergleich zum 30-jährigen Mittel 19822010 .....................................................................................................................................18
Abbildung 15: Mittlere Jahressumme der Globalstrahlung auf die horizontale Ebene, im
Vergleich DWD und PVGIS Classic und 2.0 .........................................................................19
Abbildung 16: Prozentualer Anteil der Direkt- und Diffusstrahlung an der Globalstrahlung auf
eine horizontale Fläche für den Standort Osnabrück ............................................................19
Abbildung 17: Prozentualer Anteil der mittleren 20 jährigen Jahressumme der
Globalstrahlung. ...................................................................................................................22
Abbildung 18: Darstellung des Dachneigungswinkels. ..........................................................22
Abbildung 19: Jahresstromertrag in Abhängigkeit von der Dachneigung in % bei
Südausrichtung ....................................................................................................................24
Abbildung 20: Prozentsatz des optimalen Ertrags einer PV-Anlage, abhängig von
Dachneigung und Dachausrichtung ......................................................................................24
Abbildung 21: Jahresstromertrag in Abhängigkeit der Dachorientierung in % bei 35° Neigung
.............................................................................................................................................25
Abbildung 22: Teilverschattetes Dach durch Bäume; die direkte Strahlung ist unterbrochen.
.............................................................................................................................................26
VI
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 23: Sonnenverlaufsbahnen im Tages- und Jahreslauf .........................................26
Abbildung 24: Sonnenlaufbahn und Sonnenstandswinkel für jeden Monat für den Standort
Osnabrück ............................................................................................................................27
Abbildung 25: Der Performance Ratio von 94 PV-Systemen ermittelt durch das Fraunhofer
Institut ISE 2010 über eine Zeitreihe von 10 Jahren .............................................................31
Abbildung 26: Dachelemente................................................................................................34
Abbildung 27: Satteldach......................................................................................................34
Abbildung 28: Pultdach.........................................................................................................34
Abbildung 29: Zeltdach. ........................................................................................................35
Abbildung 30: Walmdach. .....................................................................................................35
Abbildung 31: Mansardendach. ............................................................................................35
Abbildung 32: Krüppelwalmdach. .........................................................................................35
Abbildung 33: Schleppgaube ................................................................................................36
Abbildung 34: Spitzgaube. ....................................................................................................36
Abbildung 35: Flachdachgaube. ...........................................................................................36
Abbildung 36: Methode des Laserscannings ........................................................................38
Abbildung 37: Mehrfachreflexion first und last echo ..............................................................39
Abbildung 38: Funktionsprinzip Laserscanning am Beispiel Riegel LMS-Q560 ....................41
Abbildung 39: Funktionsprinzip des Toposys -Scansystems.................................................41
Abbildung 40: Scanmuster eines Riegel LMS-Q560, der mit einem oszillierenden Spiegel
arbeitet .................................................................................................................................42
Abbildung 41: Scanmuster eines Toposys II Scanners, welcher mit einem Glasfaserkabel
arbeitet .................................................................................................................................42
Abbildung 42: Darstellung zur Flugplanung ..........................................................................43
Abbildung 43: Darstellung der Laserpunktverteilung auf den Dachflächen zweier
Gebäudedächer....................................................................................................................43
Abbildung 44: Gebäudeextraktion aus Fernerkundungsdaten ..............................................51
Abbildung 45: Referenzgebiet Stadt Osnabrück „Auf dem Klee“, die roten
Gebäudegrundrisslinien markieren die Referenzgebäude. ...................................................60
Abbildung 46: Referenzgebiet Stadt Braunschweig. Erfassung der Dachneigung und
Dachausrichtung von Gebäuden zweier Straßenzüge ..........................................................60
Abbildung 47:
Schematische
Darstellung
des
Verfahrensablaufs
zur
Solarpotenzialberechnung. ...................................................................................................65
Abbildung 48: Darstellung der Berechnungsschritte im Verfahrensschritt I ...........................66
Abbildung 49: Darstellung eines Count-Rasters in Grauwertdarstellung zur Visualisierung der
Punktdichten pro 0,25 m² .....................................................................................................67
Abbildung 50: Darstellung der Berechnungsschritte des Verfahrensbereiches II ..................69
VII
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 51: Darstellung des Dachneigungswinkels β. .......................................................70
Abbildung 52: Darstellung des Ausrichtungswinkels α. .........................................................71
Abbildung 53: Methodenablauf des Mehrfach-Thresholdings ...............................................72
Abbildung 54: Rasterergebnis des ersten Thresholding-Durchgangs der Ausrichtung zur
Berechnung der homogenen Dachteilflächen. ......................................................................73
Abbildung 55: Rasterergebnis des zweiten Thresholding-Durchgangs der Ausrichtung zur
Berechnung der homogenen Dachteilflächen. ......................................................................74
Abbildung 56: Rasterergebnisse des dritten Thresholding-Durchgangs der Ausrichtung zur
Berechnung der homogenen Dachteilflächen. ......................................................................74
Abbildung 57: Ergebnisvektordatensatz des Thresholding-Verfahrens zur Berechnung der
homogenen Dachflächen über die Ausrichtung. ...................................................................75
Abbildung 58: Verfahrensschritt eins des Mehrfach-Thresholdings zur Berechnung der
homogenen Dachflächen über die Neigung. .........................................................................76
Abbildung 59: Verfahrensschritt zwei des Mehrfach-Thresholdings zur Berechnung der
homogenen Dachflächen über die Neigung. .........................................................................77
Abbildung 60: Verfahrensschritt drei des Mehrfach-Thresholdings zur Berechnung der
homogenen Dachflächen über die Neigung. .........................................................................77
Abbildung 61: Ergebnisdatensatz des Thresholding-Verfahrens zur Berechnung der
homogenen Dachflächen über die Neigung. .........................................................................78
Abbildung 62: Ergebnis nach einer Verschneidung der beiden Zwischenergebnisse Neigung
und Ausrichtung des Thresholding-Verfahrens und eine Selektion über die Flächengröße ..79
Abbildung 63: Darstellung der Zwischenergebnisse des Mehrfach-Thresholdings Neigung
und Ausrichtung als Polygonflächen. ....................................................................................80
Abbildung 64: Darstellung der Zwischenergebnisse des Mehrfach-Thresholdings Neigung
und Ausrichtung als Polygonflächen. ....................................................................................80
Abbildung 65: Darstellung der Zwischenergebnisse des Mehrfach-Thresholdings Neigung
und Ausrichtung als Polygonflächen auf einem Flachdach. ..................................................81
Abbildung 66: Darstellung des Ergebnisses des Mehrfach-Thresholdings eines Flachdaches.
.............................................................................................................................................82
Abbildung 67: Darstellung der Zwischenergebnisse des Mehrfach-Thresholdings Neigung
und Ausrichtung als Polygonflächen auf einem Satteldach mit Schleppgaube......................83
Abbildung 68: Darstellung der Zwischenergebnisse des Mehrfach-Thresholdings Neigung
und Ausrichtung ...................................................................................................................83
Abbildung 69: Berechnungsschritte der Einstrahlungs- und Abschattungsanalyse in den
Verfahrensschritten III und IV ...............................................................................................85
Abbildung 70: Berechnungsschritte des Verfahrensbereichs V.............................................90
VIII
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 71: Statistische Berechnung der Einstrahlungssummen pro homogener
Dachteilfläche.
Im
Ergebnis
liegen
pro
Dachteilfläche
verschiedene
Einstrahlungsinformationen vor. ...........................................................................................91
Abbildung 72: Berechnung der geeigneten Modulfläche ModArea. ......................................91
Abbildung 73: Darstellung des Neigungswinkels β eines Gebäudedaches. ..........................92
Abbildung 74: Darstellung der Berechnungsparameter für die Ermittlung des
Gesamtstromertrags (Str_15), die kWp-Leistung (kWp) und des spezifischen Stromertrags
(kWh_KWp). .........................................................................................................................93
Abbildung 75: Ablesen des Dachwinkels über die Geodreieckmethode. .............................100
Abbildung 76: Berechnung der Dachorientierung. ..............................................................101
Abbildung 77: Ergebnis der Einstrahlungsanalyse für das Referenzgebiet „Auf dem Klee“ .103
Abbildung 78: Berechnungsergebnis der geeigneten Dachteilflächen für PV im Gebiet „Auf
dem Klee“ auf Grundlage der Laserscandaten aus 2011 ....................................................103
Abbildung 79: Berechnungsergebnis der geeigneten Dachteilflächen für Solarthermie im
Gebiet „Auf dem Klee“ auf Grundlage der Laserscandaten aus 2011 .................................104
Abbildung 80: Berechnungsergebnis der für die Bewertung hinzugezogenen geeigneten
Dachteilflächen im Gebiet „Auf dem Klee“ auf Grundlage der Laserscandaten aus 2005 ...106
Abbildung 81: Berechnungsergebnis der für die Bewertung hinzugezogenen geeigneten
Dachteilflächen im Gebiet „Auf dem Klee“ auf Grundlage der Laserscandaten aus 2011 ...106
Abbildung 82: Berechnungsergebnis der für die Bewertung hinzugezogenen geeigneten
Dachteilflächen im Gebiet „Stadt Braunschweig“ auf Grundlage der Laserscandaten aus
2003 ...................................................................................................................................107
Abbildung 83: Standorte und Anlagen-ID der 11 Referenz-Photovoltaikanlagen in Dresden
...........................................................................................................................................108
Abbildung 84: Darstellung Laserscanrohdatenpunkte, sichtbar sind die Scanlinien mit einem
Abstand zueinander von bis zu 2 m. ...................................................................................110
Abbildung 85: Darstellung der Laserscanrohdatenpunkte auf dem Gebäudedach. .............110
Abbildung 86: Prozentuale Angabe an Gebäuden, die nicht berechenbar sind aufgrund zu
geringer Laserscandatenqualität mit Angabe zu Sensor und Aufnahmejahr. ......................112
Abbildung 87: Ausfälle bei Laserscanrohdaten eines Toposys-Scansystems. ....................113
Abbildung 88: Laserscanrohdatenpunktverteilung auf Dachflächen mit unterschiedlicher
Dachfarbe im Datensatz Braunschweig 2003 .....................................................................113
Abbildung 89: Rohdatenverteilung auf einer grauen Dachfläche, Daten Stadt Osnabrück
2005 eines LMS Q560, die Punktdichte lag hier bei 9 Punkten pro 270 m².........................114
Abbildung 90: Absolute Punktdichte auf Gebäuden der Stadt Wiesbaden ..........................115
Abbildung 91: Bewertung der Laserscanrohdaten in Punktdichte und Punktverteilung der
Daten Altenrath Ost ............................................................................................................116
Abbildung 92: Ausschnitt der Kachel Donrath. ....................................................................117
IX
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 93: Punktdatenverteilung im Datensatz Lohmar Süd. ........................................117
Abbildung 94: Ergebnisse unterschiedlicher Interpolationsverfahren im Querprofil anhand
von Siedlungsstrukturen. ....................................................................................................118
Abbildung 95: Draufsicht und 2,5D-Ansicht der Siedlungsstrukturen aus dem Querschnitt von
Abbildung 94. .....................................................................................................................119
Abbildung 96: Querprofil der Höhenunterschiede zwischen den verschiedenen
Interpolationsverfahren. ......................................................................................................119
Abbildung 97: Draufsicht zum Querschnitt aus Abbildung 96..............................................119
Abbildung 98: Vergleich der Dachausrichtungswerte ..........................................................120
Abbildung 99: Vergleich der Dachneigungswerte ...............................................................121
Abbildung 100: Vergleich der Dachflächengröße ................................................................122
Abbildung 101: Abweichungen der Jahressumme der Globalstrahlung aus PVGIS 2.0
gegenüber den errechneten Werten „Auf dem Klee“. .........................................................125
Abbildung 102: Darstellung des spezifischen Stromertrags der elf Referenzanlagen für die
Jahre 2009-2011 und des Berechnungsergebnisses aus der Solarpotenzialanalyse dieser
Gebäudedächer..................................................................................................................126
Abbildung 103: Darstellung der Gebäudedächer des Referenzgebiets „Auf dem Klee“, Stadt
Osnabrück ............................................................................................................................. V
X
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Tabellenverzeichnis
Tabelle 1: Deutschlandweiter Strom- und Wärmeverbrauch .................................................. 4
Tabelle 2: Zubauraten der Photovoltaik in Deutschland pro Jahr ........................................... 5
Tabelle 3: Der Anteil der solaren Energieproduktion und vermiedener CO2-Emissionen in
2012. ..................................................................................................................................... 6
Tabelle 4: Trübungsfaktoren nach Linke als Monatsmittelwerte für unterschiedliche
klimatische Bedingungen......................................................................................................20
Tabelle 5: Einstrahlungsdaten für den Standort Osnabrück ..................................................21
Tabelle 6: Großflächige Solarpotenzialanalyse-Verfahren ....................................................45
Tabelle 7: Referenzdatensätze für die Methodenentwicklung mit Angabe zu Sensor,
Befliegungsdatum und geforderter Punktdichte pro m². ........................................................57
Tabelle 8: Referenzdatensätze zur Bewertung der Datenqualität mit Angaben der
Flugparameter ......................................................................................................................58
Tabelle 9: Datenparameter der Laserscanerfassung Stadt Osnabrück aus der Befliegung
2005 und 2011 .....................................................................................................................59
Tabelle 10: Anlagen- und Ertragsdaten der Photovoltaik-Referenzanlagen Stadt Dresden ..61
Tabelle 11: Ablauf der Einstrahlungs- und Abschattungsberechnung ...................................87
Tabelle 12: CO2-Einsparsumme PV, abhängig der Modultechnik .........................................96
Tabelle 13: Übersicht der Bewertungsparameter, zum Einsatz kommender
Referenzdatensätze und der Bewertungsmethoden .............................................................99
Tabelle 14: Potenzialergebnisse PV der geeigneten Dachteilflächen für das Referenzgebiet
„Auf dem Klee“ auf Grundlage der Laserscandaten aus 2011 ............................................104
Tabelle 15: Potenzialergebnisse TH der geeigneten Dachteilflächen für das Referenzgebiet
„Auf dem Klee“ auf Grundlage der Laserscandaten aus 2011 ............................................105
Tabelle 16: PV-Potenzialergebnisse der Dachteilflächen aus der Bewertung auf Grundlage
der Laserscandaten 2005 und 2011 für das Gebiet „Auf dem Klee“....................................107
Tabelle 17: PV-Potenzialergebnisse der Dachteilflächen aus der Bewertung auf Grundlage
der Laserscandaten 2003 für das Gebiet „Stadt Braunschweig“ .........................................108
Tabelle 18: Berechnungsergebnisse für die Dachflächen, mit bereits installierten PV-Anlagen
...........................................................................................................................................109
Tabelle 19: Ergebnis der Rohdatenkontrolle der Laserscandaten. ......................................111
Tabelle 20: Auswertung der Abweichungen in der Berechnung der Neigung, Orientierung
und Dachflächengröße .......................................................................................................122
Tabelle 21: Ergebnisse der Methodenbewertung Braunschweig durch Vor-Ort-Messung ...123
Tabelle 22: Evaluierung von Globalstrahlungsdaten aus PV GIS 2.0 gegenüber den
Berechnungsergebnissen „Auf dem Klee“ ..........................................................................124
XI
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Tabelle 23: Evaluierung von Globalstrahlungsdaten aus PV GIS Classic gegenüber den
Berechnungsergebnissen „Auf dem Klee“ 2011..................................................................125
Tabelle 24: Bewertung der Abweichungen des errechneten spezifischen Stromertrags
gegenüber den elf Referenzanlagen in Dresden.................................................................127
Tabelle 25: Mittlere Tagessumme der Globalstrahlung für den Standort Osnabrück für
unterschiedliche Jahre und Zeitperioden ................................................................................ I
Tabelle 26: Ertragsdaten der Photovoltaik-Referenzanlagen Stadt Dresden .......................... I
Tabelle 27: Potenzialergebnisse der geeigneten Dachteilflächen des Gebiets „Auf dem Klee“,
Stadt Osnabrück.................................................................................................................... II
Tabelle 28: Bewertungstabelle zur Neigungsvalidierung für das Referenzgebiet „Auf dem
Klee“...................................................................................................................................... V
Tabelle 29: Bewertungstabelle zur Ausrichtungsvalidierung für das Referenzgebiet „Auf dem
Klee“..................................................................................................................................... VI
Tabelle 30: Bewertungstabelle zur Validierung der Modulflächengröße für das
Referenzgebiet „Auf dem Klee“ ........................................................................................... VII
Tabelle 31: Bewertungstabelle zur Validierung der Jahressumme Globalstrahlung aus der
Berechnung auf Grundlage der Laserscandaten 2011.......................................................... IX
Tabelle 32: Bewertungstabelle zur Validierung der Neigung aus der Berechnung und VorOrt-Kontrolle Stadt Braunschweig.......................................................................................... X
Tabelle 33: Bewertungstabelle zur Validierung der Orientierung aus der Berechnung und
Vor-Ort-Kontrolle Stadt Braunschweig .................................................................................. XI
XII
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abkürzungsverzeichnis
A = die Modulfläche der Anlage [m²]
AdV= Arbeitsverwaltung der Vermessungsverwaltungen
ALK = automatisierte Liegenschaftskarte
ALKIS = amtliches Liegenschaftskatasterinformationssystem
ALS = Airborne Laserscanning
ASCII =American Standard Code for Information Interchange
Beam = Jahressumme der direkten Strahlung [kWh/m²*a]
DFK= digitale Flurkarte
DGM= Digitales Geländemodell
DOM = Digitales Oberflächenmodell
DWD = Deutscher Wetterdienst
E = mittlerer jährlicher Stromertrag [kWh / a]
F = Fläche der PV-Anlage [m²]
GPS = Global Positioning System
Grad= Jahressumme der Globalstrahlung [kWh/m²*a]
H = mittlere jährliche Globalstrahlungsenergie am Aufstellungsort [kWh / (m²·a)]
IDW = Inverse Distance Weighting
IMU = Inertial Messure Unit
INS= Inertial Navigation System
kWp: = Kilowatt Peak
LAS – Format = LASer File Format
Lc = Auffangverlust [h /a]
LiDAR = Light detection and ranging
Ls = Systemverlust [h /a]
LTF = Trübungsfaktor nach Linke
Mrad= Milliradiant
NN = Nearest Neighbor
OGC-Standard = Open Geospatial Consortium-Standard
PR= Performance Ratio [dimensionslos]
PSTC = die unter diesen Normbedingungen angegebene Nennleistung [kW] (oder [kWp])
PVGIS= Photovoltaic Geographical Information System
RANSAC= RANdom SAmpling Consensus algorithm
SCAPP= scanning pyrheliometer and pyranometer
SRTM-30 Daten = Shuttle Radar Topography Mission – 30 Daten
 STC = Wirkungsgrad der Module [dimensionslos]
TIN = Triangular irregular network
VRML = Virtual Reality Macro Language
Yf = Endertrag [h /a]
Yr = Referenzertrag [h /a]
XIII
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
z. T. = zum Teil
Y = der spezifische, geschätzte Endertrag [kWh/KWp a]
GSTC = 1 KW/m², die Strahlungsleistung unter STC-Normalbedingungen
XIV
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
1
Einleitung
1.1
Problemstellung
„Ein stabiles Klima ist von elementarer Bedeutung für die natürlichen Grundlagen und unser
gesamtes Leben wie wir es heute kennen“ (BMU, 2006). Das Klima wird über die Zusammensetzung der Erdatmosphäre, von der Zusammensetzung der Treibhausgase gesteuert.
Wie eine Schutzhülle umgeben die Treibhausgase den Erdball und verhindern, dass die
Wärme von der Erde ins All entschwindet. Dieser natürliche Treibhauseffekt bewirkt auf dem
Erdplaneten eine durchschnittliche Temperatur von 15 Grad Celsius und keine lebensunmögliche Weltraumkälte.
Seit der Industrialisierung ist die CO2-Konzentration in der Atmosphäre stetig gestiegen und
war 2010 35 % höher als im Jahr 1750 (UBA, 2011). Durch die Zunahme der CO2Konzentration und anderer Treibhausgase, wie z. B. Methan und Lachgas, verändert sich die
Strahlungsbilanz und steigert den Treibhauseffekt. Dies hat einen Temperaturanstieg der
Erdatmosphäre zur Folge. Laut UN-Klimabericht (IPCC, 2007) ist eine Erwärmung in der
Bandbreite von 2 bis 4,5 Grad Celsius mit einem besten Schätzwert von etwa 3 Grad Celsius
wahrscheinlich und sehr unwahrscheinlich, dass sie kleiner als 1,5 Grad Celsius ausfällt.
Größter Verursacher der Erderwärmung ist die Verbrennung fossiler Brennstoffe wie Kohle,
Gas und Öl und die damit einhergehende CO2-Freisetzung. Die durch Entwaldung entstehenden Emissionen und damit das Entfernen von Pflanzen, die CO2 absorbieren, tragen ca.
20 % zum Anstieg der Treibhausgase bei (BMU, 2006). Insbesondere die Industrieländer
sowie einige wirtschaftlich schnell wachsende Schwellenländer wie China und Indien bewirken maßgeblich den Anstieg der Treibhausgaskonzentration in der Atmosphäre. Durch den
Klimawandel ist mit gewaltigen Schäden durch extreme Wetterereignisse wie Stürme, Dürren
und Überschwemmungen zu rechnen. Durch das Schmelzen von Gletschern und Polareis
wird ein Anstieg des Meeresspiegels um 11-88 cm gegenüber 1990 erwartet. Tiefer gelegene Inselstaaten und ganze Küstenabschnitte würden im Meer versinken. In Afrika sind hingegen durch Trockenheit die Wasserversorgung und die Landwirtschaft gefährdet.
Erhebliche Folgen des Klimawandels für Mensch und Umwelt lassen sich nur verhindern,
indem der maximale Temperaturanstieg der Erdatmosphäre nicht mehr als 2 Grad Celsius
beträgt. Um dies zu erreichen, müsste die Emission der Treibhausgase bis zum Jahr 2050
weltweit halbiert werden. Die Industrieländer stehen in der Pflicht, als Hauptverursacher weiter voranzugehen und den Schwellen- und Entwicklungsländern Unterstützung zu geben;
eine nachhaltige Energiepolitik ist unumgänglich. Der Energieverbrauch ist weltweit deutlich
zu senken, die Energieeffizienz ist stark zu erhöhen und der Ausbau der erneuerbaren Energien massiv voranzutreiben (IPCC 2013).
1
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Deutschland ist als Vertragsstaat der Klimarahmenkonvention der Vereinten Nationen
(UNFCCC) dazu verpflichtet, Inventare zu nationalen Treibhausgasemissionen zu erstellen,
zu veröffentlichen und regelmäßig fortzuschreiben. „Mit dem Inkrafttreten des KyotoProtokolls im Februar 2005 ist die internationale Staatengemeinschaft erstmals verpflichtet,
verbindliche Handlungsziele und Umsetzungsinstrumente für den globalen Klimaschutz zu
realisieren. Hieraus ergeben sich sehr weit reichende Verpflichtungen für die Erstellung, die
Berichterstattung und die Überprüfung von Emissionsinventaren. Durch die europäische
Umsetzung des Kyoto-Protokolls mit der Verabschiedung der EU-Entscheidung sind diese
Anforderungen im Frühjahr 2004 für Deutschland rechtsverbindlich geworden“ (UBA, 2011).
„Bisher haben sich die 27 Mitgliedstaaten der EU bis 2020 EU-intern mit dem Klima- und
Energiepaket verpflichtet, ihre Treibhausgas(THG)-Emissionen im Vergleich zum Jahr 1990
um 20 % zu senken. Erreicht werden soll dies insbesondere durch Maßnahmen zu mehr
Energieeffizienz, verstärkten Einsatz erneuerbarer Energien und Fortführung des EU-weiten
Emissionshandels“ (UBA, 2012).
Im Jahr 2010 lagen die THG-Emissionen1 der EU (27 Mitgliedstaaten) um rund 15 % oder
850 Millionen Tonnen Kohlendioxid-Äquivalente (CO2eq) unter dem Wert des Jahres 1990
(EEA, 2011). Erneuerbare Energien tragen als regenerative Energiequellen und Alternative
zu den fossilen Trägern maßgeblich zur CO2-Senkung bei und müssen weiter gefördert werden.
1
vgl. Entscheidung 406/2009/EG des Europäischen Parlaments und des Rates vom 23.04.2009 sowie Richtlinie
2003/87/EG vom 13.10.2003 (Emissionshandelsrichtlinie), geändert durch Richtlinie 2009/29/EG vom 23.04.2009
2
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 1: Emissionen der EU seit 1990 und Klimaziele in 2020 (UBA, 2011)
Leitszenarios, beispielsweise der AG DLR ET AL. (2012) prognostizieren eine Steigerung der
EEG-Stromproduktion von 103,5 TWh/a im Jahr 2010 auf 235 TWh/a in 2020 und 490
TWh/a im Jahr 2050. Damit würde die Stromerzeugung aus erneuerbaren Energien im Jahr
2020 einen Anteil von rund 40 % am Bruttostromverbrauch erreichen.
Real erreicht Deutschland 2012 einen Stromertrag aus Windkraft, Wasserkraft, Biomasse,
und Photovoltaik von 142,4 Terawattstunden (TWh), wobei die Windkraft mit 36% den größten Anteil daran hat. Einen ebenfalls recht großen Anteil erreicht die Photovoltaik mit knapp
19% (BMU, 2013b). Im Wärmebereich erreicht man 2012 einen Anteil aus Erneuerbaren
Energieträgern von 140,4 TWh, dabei nimmt die Solarthermie einen kleineren Anteil von 5 %
daran ein (BMU, 2013b).
3
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 2: Energiebereitstellung aus Erneuerbaren Energien 2012 (BMU, 2013b)
Am deutschlandweiten Strom- und Wärmeverbrauch liegt der Anteil der Erneuerbaren Energien (EE) 2012 für Strom bei 23,5 % und bei Wärme gegenüber dem Gesamtwärmeverbrauch 2011 bei 10,7% (siehe Tabelle 1).
Tabelle 1: Deutschlandweiter Strom- und Wärmeverbrauch (BMU, 2013; AG DLR et al., 2012)
Verbrauchsart
Verbrauch
Bruttostromverbrauch (2012)
607 TWh
Wärmeverbrauch (Raumwärme, Prozesswärme und Warmwasser) (2011)
1.307 TWh
Von allen Erneuerbaren Energieträgern ist die solare Energienutzung, die Technik, die von
der breiten Masse der Bevölkerung realisiert werden kann. Die Photovoltaik- oder Solarthermienutzung lässt sich zu erschwinglichen Kosten in kurzer Zeit auf dem eigenen Dach installieren und langfristig für die Strom- und Wärmeproduktion auch im eigenen Haushalt nutzen.
Dachflächen als Installationsort unterliegen keiner weiteren Nutzungskonkurrenz.
Die solare Energienutzung hat in den letzten Jahren bis Ende 2012 eine starke Steigerung
erfahren. Das Bundesministerium für Umwelt (2013) erfasste für 2012 die in Tabelle 2 aufgeführten Zahlen.
4
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Tabelle 2: Zubauraten der Photovoltaik in Deutschland pro Jahr (BUNDESNETZAGENTUR, 2013)
Jahr
Zubau Photovoltaik pro Jahr in MW
2010
7.400
2011
7.485
2012
7.604
2013*
2.435
* bis 30.09.2013
Insgesamt waren in Deutschland zum Jahreswechsel 2012/2013 Solarstromanlagen mit einer Gesamtleistung von 32,64 Gigawatt am Netz. Mit einer Stromproduktion von 26 TWh
erreichte der PV-Strom einen Anteil am Endenergieverbrauch von 4,4 %; damit ist Deutschland erneut in der Photovoltaik-Nutzung weltweit führend und liefert so einen relevanten Beitrag zur Stromversorgung. An sonnenreichen Tagen kann PV-Strom 30-40 % des momentanen Stromverbrauchs in Deutschland decken (FRAUNHOFER ISE, 2013). In 2013 ist die PVZubaurate aufgrund der massiven Änderungen in den Förderbedingungen deutlich gesunken. Ende September 2013 waren insgesamt 35,075 Gigawatt Photovoltaik-Leistung in
Deutschland am Netz, was eine Zubaurate in den neun Monaten in 2013 von 2.435 Megawatt bedeutete (BUNDESNETZAGENTUR, 2013).
Abbildung 3: Entwicklung der Strombereitstellung
Photovoltaikanlagen in Deutschland (BMU, 2013a)
und
der
installierten
Leistung
aus
Die Datenmeldungen der Bundesnetzagentur 2013 zeigen, dass zunehmend kleinere Anlagen mit 1-3 Kilowatt Peak (kWp) installiert werden. Diese sind überwiegend auf
Einfamilienhausdächern mit dem vorwiegenden Ziel der Eigenstromnutzung zu finden.
Auch die Nutzung der Solarthermie in Deutschland steigt stetig. Bis Ende 2012 waren insgesamt 16,3 Millionen m² Kollektorfläche installiert, was einen Anteil an der Bruttoenergieproduktion von 0,5 % ausmacht.
5
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 4: Entwicklung der Wärmebereitstellung und installierten thermischen Leistung
aus solarthermischen Anlagen in Deutschland (BMU, 2013a)
Tabelle 3: Der Anteil der solaren Energieproduktion und vermiedener CO 2-Emissionen in 2012 (BMU,
2013)
Energiequelle
Endenergie
Anteil am Endener-
Installierte
Vermiedene CO2-
gieverbrauch
Leistung
Emissionen
Photovoltaik
26 TWh
4,4 %
32,64 TWp
18,88 Mio t
Solarthermie
6,7 TWh
0,5 %
5,5 GWth/a
1,778 Mio t
QUASCHNING (2011) prognostiziert eine unwesentliche Änderung des Strombedarfs in
Deutschland in den nächsten Jahrzehnten. Mögliche Einsparungen werden durch neue Verbraucher wie Elektroautos oder Wärmepumpen kompensiert, so dass bei einem jährlichen
Elektrizitätsbedarf von 600 TWh die Photovoltaik langfristig 90 bis 180 TWh decken müsste.
Um dies zu erreichen, wäre eine installierte Photovoltaikleistung von 100 bis 200 GW erforderlich. Soll die Zahl der benötigten Freiflächen überschaubar gehalten und die Photovoltaik
zum größten Teil im Gebäudebestand installiert werden, ergibt sich für Deutschland ein Flächenpotenzial von rund 200 GW. Ein Mangel an Standorten gibt es selbst für hohe Leistungen nicht (QUASCHNING, 2011). QUASCHNING führt in seiner Grafik (vgl. Abbildung 5) verschiedene Szenarien zusammen und stellt sie der aktuellen PV-Zubaurate gegenüber. Gingen in den letzten Jahren viele Arbeitsplätze in Deutschland in der PV-Branche verloren,
bleibt trotz der hohen Importquote bei PV-Modulen aus dem asiatischen Raum ein großer
Teil der mit einem PV-Kraftwerk verbundenen Wertschöpfung im Land, es fließen über die
Modulimporte nur knapp 30 % der Einspeisevergütung nach Asien. Wechselrichter und Installation unterliegen der deutschen Wertschöpfung (FRAUNHOFER ISE, 2013).
6
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 5: Verschiedene Szenarien zum Ausbau der Photovoltaik und die tatsächliche Entwicklung
bis einschließlich 2012 (QUASCHNING, 2011), tatsächliche Entwicklung fortgeführt bis Ende 2012
Betrachtet man die politische Zielsetzung bis 2025 und die damit verbundene Entwicklung
der regenerativen Energien (vgl. Abbildung 6), soll sich der Anteil fossiler Kraftwerke mit dem
aktuellen Energiekonzept in Deutschland wenig ändern. In die Prognose von QUASCHNING
(2011) fließen ein gleich bleibender Verbrauch, der Kernenergieausstieg bis 2023 und ein
Anteil der regenerativen Energien von 35 % bis 2020 ein.
Abbildung 6: Prognose
(QUASCHNING, 2011)
der
zukünftigen
Zusammensetzung
der
Energiequellen
bis
2025
Die Förderung der solaren Nutzung, insbesondere auf geeigneten Hausdächern, bedarf verschiedenster Instrumente, um den Akteuren neutrale und umfangreiche Informationen zur
Realisierung der solaren Nutzung zu liefern. Der erste Schritt sollte eine grundsätzliche Interessensbildung sein. Ist das Interesse geweckt, werden weitergehende, detaillierte Informationen benötigt. Der Weg zum Fachmann ist für Bürger, die sich bisher noch nie mit der
Photovoltaik- oder Solarthermienutzung beschäftigt haben, oft mit einer gewissen Verbind7
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
lichkeit und mit Skepsis gegenüber dessen Aussagen verbunden. Eine Solarpotenzialanalyse aller Dachflächen, flächendeckend für eine große Region (Kommune, Landkreis), bietet
sich als Grundlage einer neutralen Erstinformationsausgabe für den Bürger und Hauseigentümer als Medium an, welches das Interesse an der solarenergetischen Nutzung weckt. Die
Präsentation der Solarpotenzialanalyseergebnisse über ein Web-GIS gestütztes Internetportal ermöglicht die direkte Ansprache der Akteure. Das Wissen über das solare Potenzial jeder Dachteilfläche dient der Informationsweitergabe und damit der Mobilisierung der Öffentlichkeit in die solare Nutzung zu investieren. Die Nutzung der Solarenergie kann darüber
vorangetrieben und ökonomisch und ökologisch sinnvoll eingesetzt werden. Kommunen suchen nach Alternativen zur herkömmlichen Energieversorgung und benötigen Maßnahmen
im Rahmen ihrer Klimaschutzaktivitäten zur Förderung der Erneuerbaren Energien.
1.2
Zielsetzung
Ziel der vorliegenden Arbeit ist die Methodenentwicklung zur Berechnung des Solarenergiepotenzials auf Dachflächen für sämtliche Gebäude eines großen Gebiets (Stadt, Landkreis)
auf Grundlage von Laserscandaten.
An Oberzielen werden vier zentrale Fragestellungen benannt:

Entwicklung einer GIS-gestützten Methode zur Berechnung des Solarpotenzials auf
Dachflächen mit hoher Genauigkeitsausgabe.

Benennung der Mindestqualität von Laserscandaten für die Umsetzung von Solarpotenzialanalysen.

Entwicklung einer Methode, die es ermöglicht auch kleine Dachstrukturen, Vegetation
und die Topografie in der Analyse und Potenzialberechnung zu berücksichtigen.

Großflächige Anwendung des Verfahrens über einen hohen Automatisierungsanteil.
Über Algorithmen der Geoinformatik und auf Grundlage bestehender Geobasis- und Laserscandaten liegt der Anspruch in der Ausgabe des Solarpotenzials mit hoher Genauigkeit.
Das Verfahren sollte einen hohen Automatisierungsanteil aufweisen, um Verwaltungseinheiten eine kostengünstige und kurzfristige Realisierung der flächendeckenden Berechnung des
Solarpotenzials ermöglichen zu können. Dachstrukturen wie Schornsteine oder Gauben beeinflussen das Solarpotenzial, also den erfolgreichen Betrieb einer Photovoltaik- oder Solarthermieanlage auf dem Dach, maßgeblich. Gegenüber bestehender Entwicklungen in der
3D-Gebäudemodellierung und der Solarpotenzialanalyse, die kleine Dachstrukturen unberücksichtigt lassen, soll diese Zielsetzung ein zentraler Punkt darstellen.
Nachfolgende Fragestellungen konkretisieren die Zielsetzung und begleiten die Herangehensweise in der Methodenentwicklung:

Welcher Automatisierungsanteil der Berechnung des Solarpotenzials kann erreicht
werden?
8
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten

Welche Genauigkeitsausgabe des Potenzials ist über die entwickelte Methode möglich?

Welche Qualitätsanforderungen sollten Laserscandaten für die Solarpotenzialanalyse
mindestens vorweisen?

Welche Datenaufbereitungsschritte der Laserscanrohdaten (first und only pulse) und
Gebäudeumringe sind für die Zielstellung notwendig?

Welche Punktdichten der Laserscandaten liefern welche Genauigkeiten in der Solarpotenzialausgabe?

Über welches Verfahren ist eine Dachteilflächenseparierung unter Berücksichtigung
der Dachstrukturen wie Gauben und Schornsteine möglich? In wie weit lassen sich
Ansätze der 3D-Gebäudemodellierung dafür verwenden?

Über welche Algorithmen lassen sich die absolute Neigung und Orientierung der
Dachteilflächen errechnen? Wie hoch sind die Abweichungen gegenüber realen Objekten?

Welche örtlichen Globalstrahlungsdaten werden von welcher Einrichtung in welcher
Auflösung zur Verfügung gestellt und wo liegen die Unterschiede? Welche Daten sind
für die Zielsetzung zu bevorzugen?

Welche Genauigkeiten in den Einstrahlungsergebnissen liefert der Einstrahlungsalgorithmus r.sun?

Welche Genauigkeit kann in der errechneten Modulflächengröße erreicht werden?

Welche Genauigkeiten liefern die Potenzialausgaben für die Photovoltaik- und Solarthermienutzung auf Dachflächen?
Zielgruppe zur Nutzung der Solarpotenzialergebnisse ist der Gebäudeeigentümer, der die
Installation einer Solaranlage auf seinem Dach realisieren muss. Die Kommune kann über
ein flächendeckendes Solarkataster der Öffentlichkeit eine Informationsplattform zur Verfügung stellen. Der Anspruch liegt in der detaillierten Ausgabe der Potenzialergebnisse, die
Dachstrukturen wie Schornsteine, Gauben, die Vegetation sowie die umliegende Topografie
berücksichtigen. Der Hauseigentümer soll durch realistische Angaben zum Solarenergiepotenzial seines Gebäudes in Bezug auf ökologische und ökonomische Kriterien informiert und
für das Thema sensibilisiert werden. Der Kommune steht ein Instrument zur Verfügung, welches kostengünstig, in kurzem Bearbeitungszeitraum und flächendeckend für den kommunalen Bezugsraum eingesetzt werden kann und zum lokalen Klimaschutz beiträgt. Das Potenzial wird sowohl für den Einsatz der Photovoltaik- als auch der Solarthermie-Technik errechnet und Eignungsaussagen aufgestellt.
Als Datengrundlage stehen hochauflösende Laserscandaten zur Verfügung, die auf Qualitätsanforderungen, Sensorunterschiede und Aufnahmekriterien untersucht werden. Zudem
9
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
dienen Entwicklungen der 3D-Gebäudemodellierung über Laserscandaten als Ansatz, deren
Anforderungen und Leistungsfähigkeit dargestellt und hinterfragt werden.
Für die Einstrahlungsanalyse wird der bestehende Algorithmus von GRASS GIS, das Strahlungsmodul r.sun, welches von MARCEL ŠÚRI UND JAROSLAV HOFIERKA (2004) entwickelt
wurde, verwendet.
Das Kapitel „Grundlagen“ beschreibt das Thema fachlich und liefert die nötigen Informationen für die Methodenentwicklung und dessen Anforderungen. Die der Solarpotenzialanalyse
als Grundlagendaten dienenden Laserscandaten werden in besonderem Maße beschrieben
und bewertet. Für die Erfassung dieser Daten eingesetzte unterschiedliche Sensoren, Flugbedingungen und Qualitätsanforderungen werden hinsichtlich der Fragestellung der Arbeit
verglichen und bewertet.
Die Arbeit beschäftigt sich mit dem Stand der Technik und der Beschreibung der bestehenden Verfahren zur 3D-Gebäudemodellierung und Solarpotenzialberechnung. Aufbauend darauf und über das daraus abgeleitete Wissen wird die Methodenentwicklung vorgenommen
und umgesetzt.
Kernstück der Arbeit ist die Beschreibung der Methodenabfolge und die darüber erzielbaren
Zwischen- und Endergebnisse. In der Diskussion werden die Verfahrensschritte bewertet
und diskutiert. Die Bewertung und Diskussion gibt Auskunft über erzielbare Genauigkeiten in
der Neigung, Ausrichtung (nachfolgend auch Orientierung gegannt) und Flächengröße sowie
den errechneten Einstrahlungswerten. Zudem wird das ermittelte Photovoltaik-Solarpotenzial
über bestehende Referenzanlagen beurteilt und für die Solarthermie die Möglichkeiten und
Grenzen der Potenzialausgabe dargestellt. Es werden die Ergebnisse verschiedener über
die entwickelte Methode umgesetzter Solarpotenzialanalysen ausgewertet und verglichen.
Anforderungen an die Grundlagendaten werden beschrieben.
10
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
2
Grundlagen
2.1
Nutzung von Solaranlagen
2.1.1 Sonnenstrahlung
Die von der Sonne auf die Erde abgegebene Energie in Form von elektromagnetischen Wellen wird als Strahlung bezeichnet. Die Sonne sendet mit einer Temperatur von 5.750 Kelvin
extraterrestrische Strahlung, überwiegend im Wellenlängenbereich von λ <3 μm aus. Mit
einer Intensität von im Mittel 1.353 W/m² gemäß Standardkurve der NASA aus dem Jahr
1971 trifft die Strahlung am Rand der Atmosphäre auf. Dies wird als mittlere extraterrestrische Solarkonstante I0 bezeichnet.
Beim Durchgang durch die Erdatmosphäre unterliegt die Sonnenstrahlung verschiedenen
Streu- und Absorptionsprozessen, die die Intensität mindern. 36% der am Rand der Atmosphäre auftreffenden Solarstrahlung gehen ungenutzt in den Weltraum zurück (Albedo). Nur
etwa 31% gelangen als direkte Strahlung auf die Erdoberfläche; bei Durchtritt durch die Atmosphäre wird ein weiterer Teil der Strahlung durch z. B. Streuung an Luftmolekülen oder
Wassertröpfchen oder durch Streuung, Absorption und Reflexion an Wolken- und Aerosolpartikeln abgeschwächt und gelangt als diffuse Himmelsstrahlung auf die Erdoberfläche. Die
Abschwächung der Sonnenstrahlung wird als Extinktion bezeichnet (MALBERG, 2007). Ein
Teil der diffusen Strahlung entsteht aus Reflexionen der umliegenden Flächen oder an den
Wolken. An die Erdoberfläche gelangt je nach Bewölkung und Winkel zur Horizontalen nur
noch eine Energiedichte von 0-1000 W/m² als die Summe aus direkter, diffuser und reflektierender Strahlung. Diese wird auch als Globalstrahlung bezeichnet. Der Betrag der Globalstrahlung gibt somit an, welche Strahlungsenergie auf der Erde auf einer horizontalen Fläche
empfangen wird (MALBERG, 2007). Bei bedecktem Himmel ist die Diffusstrahlung gleich der
Globalstrahlung.
11
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 7: Darstellung der Zusammensetzung der Strahlungsarten (QUASCHNING ET AL., 2002)
Abbildung 7 zeigt den Zusammenhang zwischen den verschiedenen Strahlungsarten
(QUASCHNING ET AL., 2002). Die Diffusstrahlung geht aus allen Himmelsrichtungen hervor
und entsteht durch Streuung an atmosphärischen Partikeln (Wolken, Staub usw.).
Durch die Himmelsrichtung und den Sonnenhöhenwinkel, die Höhe der Sonne über dem
wahren Horizont, gemessen in Grad, lässt sich der Stand der Sonne exakt festlegen. Beides
ändert sich ständig im Laufe des Tages und des Jahres und von Ort zu Ort. Die Sonnenhöhe
beeinflusst die Stärke der direkten Sonnenstrahlung. Am stärksten ist der Strahlungsfluss
grundsätzlich bei senkrechtem Auftreffen. Ein Strahlenbündel muss in diesem Fall nur eine
verhältnismäßig kleine Fläche mit Sonnenenergie versorgen (vgl. Abbildung 8). Fallen die
Sonnenstrahlen sehr flach auf die Erdoberfläche, ist die beschienene Fläche größer und die
Intensität pro Flächeneinheit kleiner (vgl. Abbildung 9). Der Weg durch die Atmosphäre ist
bei einem flachen Einfallswinkel viel länger, es findet eine stärkere Zerstreuung der Strahlung in der Atmosphäre statt.
Hier kommt das Lambertsche Gesetz zum Tragen (s. Formel 1). Die Energie der direkten
Sonneneinstrahlung auf horizontaler Fläche (I) kann über das Lambertsche Gesetz berechnet werden, wobei I0 die bei senkrechtem Einfall der Strahlung entstehende Energie und β
den Einfallswinkel der Strahlung darstellt.
I = I0 · sin β
(W/m²)
(1)
Steht die Sonne im Zenit (β = 90°), ist I0 = I, da
I0
sin (90) = 1 ist.
Abbildung 8: Senkrechter Strahlungseinfall auf eine Fläche.
12
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
I
Abbildung 9: Flacher Strahlungseinfall auf eine Fläche.
Das Wissen über die Höhe der Globalstrahlung an dem zu betrachtenden Ort ist entscheidend für die Berechnung des Solarenergiepotenzials.
2.1.2 Solarsysteme
2.1.2.1 Photovoltaik
Die Photovoltaik-Technik ermöglicht es, in erster Linie direkte Strahlungsenergie in elektrischen Strom umzuwandeln. Die z. B. hoch reine Siliziumscheibe wird an der Oberfläche mit
Fremdatomen (z. B. Phosphor) versetzt (Dotierung), wodurch eine negativ leitende Schicht
(n-Schicht oder n-Gebiet) erzeugt wird. In die Unterschicht wird z. B. das 3-wertige Bor in
den Siliziumverband eingebracht, was durch die instabile Verbindung empfänglich für die
Aufnahme von negativen Ladungsträgern ist. Es entsteht eine positiv leitende Schicht (pSchicht oder p-Gebiet) mit „Löchern“ als Ladungsträger. Zwischen der p- und der n-Schicht
entsteht eine neutrale Schicht (Raumladungszone). Dieser Aufbau bewirkt die Entstehung
eines elektrischen Feldes.
Durch eintreffendes Licht auf die Solarzelle wird die Entstehung von freien
Ladungsträgerpaaren
hervorgerufen,
die sich unter dem Einfluss des inneren
elektrischen Feldes trennen. Dadurch
gelangen die negativen Ladungsträger,
die Elektronen, zur oberen Fläche und
an der unteren Seite bildet sich eine
positive Ladung. Zwischen Ober- und
Unterseite entsteht auf diese Weise
eine Gleichspannung, die mittels ElektAbbildung 10: Darstellung einer Solarzelle
roden abgegriffen werden kann. Dies
(Quaschning 2013).
geschieht durch ein an der Oberseite
der Zelle aufgebrachtes feines Netz von Kontaktierungen (Minuspol) und einem Kontakt auf
der Unterseite (Pluspol) (ANTONY ET AL. 2009).
Noch vor der Kontaktierung wird die Oberfläche des ursprünglich silbergrauen, spiegelblanken Wafers mit einer Antireflexschicht aus Siliziumnitrid oder Titandioxid versehen. Diese
13
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
verringert unerwünschte Reflexionen des einfallenden Sonnenlichtes und trägt damit zur
Wirkungsgradsteigerung der Zelle bei. Außerdem verleiht sie der Solarzelle ihre typische
blaue bis schwarze Färbung. Weitere Zellenfärbungen werden durch Variation der Dicke der
Antireflexschicht erreicht.
Eine wichtige Eigenschaft von Solarzellen ist der Absorptionskoeffizient, der angibt, wie viel
Licht vom Material aufgenommen und damit nicht reflektiert wird. Zellen mit kleinem Koeffizienten müssen aus sehr reinem Material bestehen, ein großer Koeffizient entsteht bei weniger reinem Material. Am meisten verbreitet sind Solarzellen auf Siliziumbasis. Alternative
Materialien, wie z. B. Cadmium-Tellurid-Sulfid (CdTe) oder Kupfer-Indium-Diselenid (CIS
oder CuInSe2) werden ähnlich wie amorphes Silizium in der Dünnschichttechnik verarbeitet.
Bei Silizium-Solarzellen wird je nach Herstellung zwischen drei Arten unterschieden:

Monokristalline Solarzellen bestehen aus einer Scheibe eines hochreinen, gezogenen Silizium-Einkristalls und verfügen über eine einheitliche, dunkelblaue bis schwarze Färbung. Mit diesen Solarzellen sind die höchsten Wirkungsgrade erreichbar (derzeit bis zu 18%), allerdings sind sie in der Herstellung am teuersten.

Polykristalline Solarzellen bestehen aus einer Scheibe eines gegossenen
Siliziumblockes, verfügen über eine Kristallstruktur und sind in einem etwas helleren
blau gefärbt. Hier entfällt die Herstellung des Einkristalls; damit sind sie in der Herstellung günstiger und nicht ganz so effizient. Ihr Wirkungsgrad beträgt ca. 14%. Diese Form der Solarzelle erreicht derzeit die höchste Marktdurchdringung.

Amorphe Solarzellen bestehen aus einer dünnen Siliziumschicht, die auf ein Trägermaterial (z. B. eine Glasscheibe) aufgedampft wird. Sie sind in der Herstellung am
kostengünstigsten, haben aber mit nur 6-8% den geringsten Wirkungsgrad (SANDER,
2006).
Die Leistung einer Anlage wird in KWp angegeben. Je nach Modultyp und dem damit verbundenen Wirkungsgrad entspricht 1 KWp etwa 6-10 m²
Modulfläche. Weitere Informationen zur Technik
sind in HASELHUHN (2013) zu finden.
2.1.2.2 Solarthermie
Solarthermie bewirkt die Nutzbarmachung der
thermischen Energie der Sonnenstrahlung. Thermische
Solarkollektoren dienen der Warmwasser
Abbildung 11: Funktionsweise der Solarthermienutzung
für die Warmwasserbereitung (LUTZ 2005)
bereitung und der Heizungsunterstützung.
14
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Die photothermische Energieumwandlung findet auf dem Absorber statt. Dieser ist mit einer
dunklen, selektiven Beschichtung überzogen und besteht aus Metallen wie Aluminium, Kupfer oder Edelstahl. Die Beschichtung bewirkt eine hohe Absorption im sichtbaren Bereich und
gleichzeitig
eine geringe
Emission
im
infraroten Wellenlängenbereich.
Die
Absorberflüssigkeit nimmt die erzeugte Wärme auf und wird durch am Absorberblech angebrachte Rohre transportiert.
1: Solarkollektor
2: Speicher
3. Wärmetauscher
4: Solarstation
5 Nachheizung
6: Verbraucher
Solarthermische Anlagen werden in
erster Linie für die Erwärmung von
Brauchwasser und zur Heizungsunterstützung eingesetzt. Funktional zentraler Bestandteil des Kollektors ist der
Solarabsorber, der die einfallende
Lichtenergie in Wärme umwandelt. In
dem auf dem Dach installierten Solarkollektor wird durch die Sonneneinstrahlung die zirkulierende Solarflüssigkeit (Wärmeträger), die u. a. frostbeständig ist, erwärmt. Diese wird anschließend in den Solarspeicher transAbbildung 12: Aufbau eines Solarthermie-Kollektors
portiert. Im Speicher wird die Wärme
(QUASCHNING 2007)
an das Trinkwasser und optional auch
an das Heizungswasser abgegeben. Um Sonnenstrahlen möglichst effektiv zur Erwärmung
zu nutzen, verwendet man Absorber, die meist aus einer schwarzen, dünnen Platte aus Kupfer oder Aluminium, in die eine Röhre für die zu erwärmende Flüssigkeit eingearbeitet ist,
besteht. Innerhalb eines Solarkollektors werden mehrere Absorber nebeneinander montiert,
die zum Schutz und zur Isolierung in ein Gehäuse eingebaut sind und mit einem Rahmen
und einer Abdeckung aus Glas versehen werden. Diese Komponenten werden als „Solarkollektor“ bezeichnet. Es wird zwischen zwei Kollektortypen unterschieden: Neben dem Flachkollektor existiert der Vakuum-Röhrenkollektor.
Die Unterschiede liegen im Wesentlichen in der Isolation des Absorbers. Im Röhrenkollektor
sind schmale Absorber in Vakuum-Röhren eingebaut. Durch das Vakuum wird eine hohe
Isolationswirkung erreicht. Es verhindert ein durch Konvektion möglichen Wärmetransport
15
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
und bewirkt bei großen Temperaturunterschieden, z. B. im Winter, einen höheren Wirkungsgrad.
In Flachkollektoren werden herkömmliche Isoliermaterialien verwendet, zum Beispiel Mineralwolle. Diese Isolierung ist weniger effizient als ein Vakuum, daher werden größere Flächen für das Erreichen der gleichen Leistung benötigt. Aus ökonomischer Sicht sind Flachkollektoren günstiger als Vakuum-Röhrenkollektoren. Eine detaillierte technische Beschreibung ist z. B. in QUASCHNING (2011) zu finden.
Pro Person rechnet man für das Erwärmen von Trinkwasser bei optimalen Standortbedingungen und abhängig der geographische Lage mit ca. 1,5 m² Kollektorfläche. Für die Heizungsunterstützung werden ca. 0,4-1 m² für die Erwärmung von 10 m² Wohnfläche benötigt
(EICKER 2012).
2.1.3 Standortkriterien
2.1.3.1 Globalstrahlung
Zur Umsetzung der Solarpotenzialanalyse werden für die Kalibrierung
des Einstrahlungsverfahrens für das
gegebene Untersuchungsgebiet örtliche Strahlungsdaten aus Messstationen, die Werte über einen langen
Zeitraum erfasst haben, benötigt.
Folgende Angaben zu unterschiedlichen Strahlungsarten sind wichtig:

Die horizontale Globalstrahlung als langjähriges Monatsmittel und Jahressumme.

Der Anteil Diffusstrahlung an
der Globalstrahlung als langjähriges Monatsmittel und
Jahressumme.

Abbildung 13: Globalstrahlung in der Bundesrepublik
Deutschland, mittlere Jahressumme im Zeitraum 1981-
Koordinaten und Höhe über
2010 (DWD 2011)
Grund des Bezugspunktes.
Die Globalstrahlung wird seit vielen Jahren (in Potsdam seit 1937) in Deutschland vom Deutschen Wetterdienst (DWD) mit einem horizontal justierten Pyranometer gemessen. Über ein
16
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Messnetz von ca. 40 Stationen wird in regelmäßigen Abständen der Wert erfasst und ausgewertet. Verdichtet wird dieses Strahlungsmessnetz in jüngerer Zeit mit SCAPPMessgeräten, wobei SCAPP für scanning pyrheliometer and pyranometer steht [BEHRENS &
GREWE 2005]. Es stehen Stunden-, Tages-, Monats- und Jahressummen der Globalstrahlung und vielfach auch der diffusen Sonnenstrahlung zur Verfügung. Zudem existieren 200
Stationen, die die Sonnenscheindauer aufnehmen. Neben den örtlichen Messungen werden
zur Erzeugung flächendeckender Daten die geostationären Satelliten METEOSAT hinzugezogen. „In geeigneter Weise werden die unterschiedlichen Datentypen miteinander verknüpft; dabei wird auch die Höhenabhängigkeit der Globalstrahlung bestimmt. Mittels geostatistischer Verfahren wird die Globalstrahlung auf die Gitterpunkte eines Rasters interpoliert.
Die Gitterpunkte haben einen Abstand von nur 1 km und decken die gesamte Bundesrepublik ab“ (DWD 2011). Neben Globalstrahlungswerten von bestimmten Tagen, Monaten oder
Jahren gibt der DWD langjährige Mittelwerte aus. Aktuell wird für jeden Punkt in Deutschland
ein 30-jähriges Mittel vom Zeitraum 1981-2010 angeboten. Abbildung 13 zeigt die Globalstrahlung für die Bundesrepublik Deutschland aus dem 30-jährigen Mittel. Deutlich wird das
Nord-Süd- und ansatzweise das Ost-West-Gefälle. Die höchsten Einstrahlungswerte liegen
in Bayern und Baden-Württemberg. Dies ist durch die südliche Breitenlage und das wolkenärmere, kontinentale Klima zu begründen. Ein weiterer hoher Einstrahlungsbereich erstreckt
sich von Sachsen bis zur Küste Mecklenburg-Vorpommerns. Neben der im Frühjahr und
Frühsommer über der noch kalten Ostsee geringeren konvektiven Wolkenbildung, beeinflusst hier auch die stärkere Kontinentalität die Globalstrahlung. Strahlungsärmer ist das Gebiet von den Mittelgebirgen bis nach Schleswig-Holstein. Zufuhr feuchter Meeresluftmassen
lässt das wolkenreiche, maritime westdeutsche Klima entstehen, verstärkt wird es durch den
Stau an den Bergketten der Mittelgebirge. Eine Ausnahme bilden die strahlungsbegünstigten
Nordseeinseln (DWD 2011).
Eine weitere Strahlungsdatenbank bietet PVGIS (2012). In einer Genauigkeit von 1 x 1 km
werden monatliche und Jahresstrahlungswerte und weitere klimatische Parameter für die
Periode 1981-1990 (PVGIS Classic) (ŠÚRI ET AL. 2007 sowie ŠÚRI ET AL. 2007a) und seit
2012 für den Zeitraum 2001-2010 (PVGIS 2.0) ausgegeben. Datengrundlage sind 566 meteorologische Stationen über die die Globalstrahlung horizontal sowie das Verhältnis Diffusstrahlung zu Globalstrahlung über Jahre gemessen wurde (RIGOLLIER 2000). Zudem wird
der „Trübungsfaktor nach Linke“ (REMUND ET AL. 2003), der die Minderung der Strahlung
durch Luftpartikel und Wasserdampf als Faktor benennt (siehe Tabelle 4) und ein DGM, generiert aus SRTM-30 Daten (USGS 2012), für die Einstrahlungsberechnungen hinzugezogen. Grundlage des Berechnungsalgorithmus ist r.sun von GRASS GIS (HOFIERKA & ŠÚRI
2002).
Die PVGIS-Methode, die auch die Bestrahlung für geneigte Flächen simuliert, ist mit Messwerten der meteorologischen Station Ispra (Norditalien) durch KENNY ET AL. (2006) verglichen
worden. Diese Untersuchung ergab eine jährliche Überschätzung des Strahlungswertes
durch PVGIS von 3,2%. Als mögliche Begründung werden Verschattungen durch nahe gelegene Gebäude und Bäume, die die gemessenen Werte beeinflussen, benannt. Da PVGIS17
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
die Einstrahlungswerte über ein digitales Geländemodell (DGM) errechnet, werden keine
direkten Verschattungsquellen durch Strukturen berücksichtigt. Die Details zum Solarstrahlungsmodell und der Computerannäherung können in ŠÚRI & HOFIERKA (2004) und ŠÚRI ET
AL. (2005) nachgelesen werden.
Abbildung 14 und Abbildung 15 zeigen einen Vergleich von Strahlungswerten der beiden
Quellen DWD und PVGIS (Classic und 2.0) für unterschiedliche Bezugszeiträume am Beispiel des Standortes Stadt Osnabrück.
Abbildung 14: Mittlere monatliche Tagessummen der Globalstrahlung für Osnabrück bezogen auf eine
horizontale Ebene seit 2001 im Vergleich zum 30-jährigen Mittel 1982-2010 (eigene Darstellung,
Datenquelle: DWD, 2012)
18
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 15: Mittlere Jahressumme der Globalstrahlung auf die horizontale Ebene, im Vergleich
DWD und PVGIS Classic und 2.0 (eigene Darstellung, Datenquellen: DWD 2012; PVGIS 2012)
Abbildung 15 zeigt neben der Differenz zwischen den DWD- und den PVGIS-Werten auch
einen deutlichen Unterschied zwischen den PVGIS Classic und 2.0 Werten. Hier liegt eine
Differenz von 6,1% vor. Die aktuellere Zeitperiode gibt um 6,1% höhere Werte aus und
verdeutlicht den Anstieg der Globalstrahlung im letzten Jahrzehnt.
Neben der horizontalen Globalstrahlung spielt bei der Berechnung der Einstrahlung auf die
Dachfläche auch das Verhältnis von direkter und diffuser Strahlung eine wichtige Rolle. Der
mittlere Diffusanteil über alle Datenquellen und Standorte liegt in Deutschland bei 55%. Mit
abnehmender geografischer Breite sinkt der Diffusanteil jeweils (MÜLLER ET AL. 2008).
Abbildung 16: Prozentualer Anteil der Direkt- und Diffusstrahlung an der Globalstrahlung auf eine
horizontale Fläche für den Standort Osnabrück (Datenquelle: PVGIS 2012)
19
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Das Verhältnis von diffuser zu globaler Strahlung für Deutschland liegt laut PVGIS, abhängig
der geografischen Lage, zwischen 0,54 und 0,59:

München 0,54

Rostock 0,55

Berlin 0,57

Dresden 0,57

Hamburg 0,58

Osnabrück 0,59

Düsseldorf 0,59
Tabelle 4: Trübungsfaktoren nach Linke als Monatsmittelwerte für unterschiedliche klimatische
Bedingungen (FOITZIK & HINZPETER 1958)
Latitude 25 °N
and above
Jan
Feb
Mar
Apr
May
Jun
Jul
Aug
Sep
Oct
Nov
Dec
Very
clear
atmosphere
1,8
1,9
2,0
2,0
2,2
2,3
2,8
2,5
2,2
2,1
2,0
1,8
Mountain – very
clear atmosphere
2,2
2,3
2,4
2,4
2,4
2,5
3,0
2,7
2,5
2,4
2,3
2,2
Clear
maritime
atmosphere
2,4
2,5
2,7
3,4
3,4
3,4
3,9
3,7
2,9
2,7
2,5
2,4
Urban
atmosphere
3,0
3,0
3,0
3,7
3,7
3,8
4,8
4,1
3,2
3,0
3,0
3,0
Very lage city or
industrial atmosphere
4,1
4,1
3,9
4,6
5,0
5,0
6,0
5,5
4,5
3,6
3,8
3,9
Drei Faktoren beeinflussen die Einstrahlung auf die Erde. Die Abschwächung hängt dabei
von der Weglänge der Strahlung durch die Atmosphäre ab, das heißt von der Sonnenhöhe,
der Bewölkung und Verschmutzung der Luft. Die Energieabnahme der Strahlung kann über
das Exponentialgesetz beschrieben werden.
1. Die Abmilderung der Strahlung durch die Gas-Zusammensetzung stellt den ersten
Faktor da.
2. Die Minderung durch Luftpartikel und Wasserdampf ist der zweite Faktor. Deren Einflüsse werden durch den „Trübungsfaktor nach Linke“ (LTF) definiert.
3. Der dritte Faktor ist die Bewölkung, die die stärkste Minderung hervorruft.
Diese drei Faktoren geben die Minderung der Strahlung der realen Atmosphäre im Verhältnis
zum wolkenfreien Himmel an. Der LTF ist ein Schlüsselparameter. Wie Tabelle 4 zeigt, liegt
er im Winter im Mittel bei einer Trübung von 2,2 im Sommer steigt er um 0,2 an. Die Trübung
ist im Hochgebirge am kleinsten. Im ländlichen Raum liegt der Trübungsfaktor um rund 2
Punkte geringer als in einem Industriegebiet. Der Ertrag an Sonnenenergie in einem Indust20
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
riegebiet wird dadurch um mehr als 10% verringert (FOITZIK & HINZPETER 1958). Der LTF
wurde mit der Formel von DOGNIAUX (1984) berechnet. Laut REMUND (2003) wird diese Formel am meisten benutzt. Untersuchungen zur Genauigkeit durch JACOVIDES (1997) zeigen
eine gute Vereinbarung mit realen Werten.
Eine Datenabfrage der Einstrahlungssituation für den Standort Osnabrück zeigt die Tagesmittelwerte pro Monat und Jahr sowie den LTF für den Zeitraum 2001-2010 (vgl. Tabelle 5).
Weitere Datenbanken zur Ausgabe von Strahlungsdaten sind u. a. Meteonorm, Satel-Light
oder ESRA. Es bestehen unterschiedliche Untersuchungen u. a. von QUASCHNING ET. AL.
(2002) und MÜLLER ET AL. (2008) hinsichtlich Abweichungen zwischen den verschiedenen
Datenquellen von langjährigen mittleren Globalstrahlungswerten in Deutschland. Verglichen
wurden Werte vom DWD, von PVGIS, Meteonorm, Satelight, ESRA und der UNI-Oldenburg.
Die Untersuchungen von QUASCHNING ET. AL. (2002) ergaben eine mittlere Standardabweichung von 2,8% zwischen den untersuchten Datenquellen über alle Standorte.
Tabelle 5: Einstrahlungsdaten für den Standort Osnabrück (Datenquelle: PVGIS 2012)
Month
Hh
Hopt
Iopt
TL
D/G
Jan
575
920
65
2.8
0.74
Feb
1.170
1.780
60
2.8
0.63
Mar
2.380
3.120
49
3.7
0.58
Apr
4.120
4.790
36
3.5
0.49
May
4.920
5.040
22
4.0
0.53
Jun
5.280
5.140
15
4.0
0.54
Jul
4.980
4.960
18
4.4
0.56
Aug
4.110
4.490
30
4.6
0.52
Sep
2.970
3.680
44
4.1
0.57
Oct
1.670
2.450
57
3.6
0.59
Nov
849
1.470
66
3.0
0.65
Dec
Year
492
2.800
883
3.230
69
37
2.9
3.6
0.72
0.55
Hh:
Globalstrahlung
horizontal
(Wh/m2/day)
Hopt: Einstrahlung bei optimaler Dachneigung in Osnabrück von 37°
(Wh/m2/day)
Iopt: Optimal inclination (deg.)
TL: Trübungsgrad
D/G: Anteil der Diffus- zur Globalstrahlung (-)
Betrachtet man die Darstellung in
Abbildung 17, wird deutlich, dass die Einstrahlung sich mit veränderter Neigung und/oder
Ausrichtung nur geringfügig ändert. Bei Südausrichtung werden im Neigungsbereich 30 Grad
bis 40 Grad einheitlich 100% der Einstrahlung erreicht. Bei Veränderungen der Ausrichtung
um 10 Grad, verändert sich die Einstrahlung nur um bis zu 1%.
21
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 17: Prozentualer Anteil der mittleren 20-jährigen Jahressumme der Globalstrahlung für den
Standort Stuttgart abhängig der Neigung und Ausrichtung der Bestrahlungsfläche (eigene Darstellung,
Datenquelle:
DWD,
2012a)
Laut Aussagen des DWD (2012) besteht aktuell ein ansteigender Trend der Globalstrahlung.
Dieser liegt zur Zeit zwischen ca. 0,2% und ca. 0,4% je Jahr. Jährliche Schwankungen, die in
einer mittleren Variationsbreite von etwa +/- 15% des langjährigen Durchschnittswertes liegen, sind hier bereits überlagert. Als Ursache dieses Anstiegs benennt der DWD zum einen
astronomische Einflüsse, wie z. B. Änderungen der Sonnenaktivität, die sich gut berechnen
lassen. Zum anderen sind Einflüsse, die die Globalstrahlung bei
ihrem Weg durch die Atmosphäre
verändern, sehr variabel und könnten ebenfalls dazu beitragen. „Ursache dieser Schwankungen und
Trends sind z. B. Veränderungen
in der Bewölkung; hier spielen der
Bedeckungsgrad oder die „optische Dicke“ eine große Rolle. Die
Auswirkungen der zurzeit stattfindenden Klimaänderung auf die
Abbildung 18: Darstellung des Dachneigungswinkels
Globalstrahlung sind weitestgehend ungeklärt. Es ist deshalb heute kaum möglich, einen Trend für die weitere Entwicklung
der Globalstrahlung anzugeben. Ursachen und die Vorgänge, die zur Änderung führen, müssen noch genauer erforscht werden“ (DWD 2012).
22
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
2.1.3.2 Dachneigung
Die Dachneigung stellt den Winkel der Horizontalen zum Bezugspunkt in Grad oder Prozent
dar. Die Dachneigung (  ) kann über die Dachhöhe (h) und das Grundmaß bis First (f) errechnet werden (siehe Abbildung 18).
Somit ergibt sich für die Dachneigung in Prozent:

h
f
(2)
oder als Winkel:
  arctan
h
f
(3)
Die Neigung bedingt neben der Ausrichtung des Daches die eingestrahlte Sonnenenergie,
wozu sich die Leistungsfähigkeit einer Photovoltaik-Anlage proportional verhält. In der Fachliteratur finden sich zur optimalen Neigung für PV-Anlagen unterschiedliche Angaben. Die
optimale Neigung für eine PV-Anlage liegt bei ca. 30°-37°. Umfangreiche Untersuchungen
hinsichtlich der Globaleinstrahlung auf geneigte Flächen wurden u. a. bei der RuhrUniversität Bochum (SANDER 2006) oder beim Fraunhofer Institut für solare Energiesysteme
ISE durchgeführt. Die Ergebnisse dieser Untersuchungen sind in den Solaratlas NRW der
Energieagentur NRW eingeflossen (ENERGIEAGENTUR NRW 2001). Je nach angewandtem
Modell und abhängig von der geografischen Lage ergeben sich geringe Schwankungen.
DIETRICH (2009) spricht von etwa 30° Dachneigung im Optimum. Die Schwankung der eingestrahlten Sonnenenergie im Neigungsbereich 30°-37° ist relativ gering, so dass die darüber getroffenen Ertragsaussagen sich nur in geringem Maße unterscheiden. Die Einstrahlungsenergie auf eine horizontale Fläche ist um ca. 18% geringer als auf eine 37° geneigte
Fläche. Betrachtet man die Ausbeute der Einstrahlung auf eine waagerechte Fläche (Fassade), so liegt der Verlust bei ca. 31% (siehe Abbildung 19).
23
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 19: Jahresstromertrag in Abhängigkeit von der Dachneigung in % bei Südausrichtung am
Beispiel der Einstrahlungsdaten für den Standort Stuttgart im 20-jährigen Mittel vom DWD (2012a)
2.1.3.3 Orientierung zur Himmelsrichtung
Die Orientierung eines Daches beeinflusst die
Einstrahlung in gleichem Maße wie die Neigung.
Das Optimum liegt bei Südausrichtung. Abweichungen vom Optimum reduzieren die Einstrahlungsenergie in geringerem Maße als oft angenommen. Eine Abweichung von Süd um 45° bewirkt bei 37° Neigung eine Einstrahlungsminderung um ca. 10%, bei 90° Abweichung von der
Südausrichtung sind es ca. 20%. Im Folgenden
wird Ausrichtung und Orientierung synonym verAbbildung 20: Prozentsatz des optimalen wendet.
Ertrags einer PV-Anlage, abhängig von
Dachneigung und Dachausrichtung
nach STRYI-HIPP (2007) verändert
24
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 21: Jahresstromertrag in Abhängigkeit der Dachorientierung in % bei 35° Neigung am
Beispiel der Einstrahlungsdaten für den Standort Stuttgart im 20-jährigen Mittel vom DWD (2012a)
2.1.3.4 Verschattung
Zunächst gilt es, „Verschattung auf Dachflächen“ zu definieren. Die direkte Strahlung fällt
ungebrochen von Störfaktoren auf die Dachfläche. Verschattung entsteht dann, wenn die
direkte Einstrahlung durch eine Struktur, die die direkte Ausbreitung des Sonnenstrahls unterbricht, gemindert oder verhindert wird. Das kann z. B. ein höherer Baum, der westlich,
östlich oder südlich vor dem Dach steht, oder der Schattenwurf eines Schornsteins bei bestimmtem Sonnenstand sein. Eine Norddachseite eines Schrägdaches empfängt je nach
Dachneigung unter Umständen niemals direkte Strahlung und ist damit auf Dauer verschattet.
25
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 22: Teilverschattetes Dach durch Bäume; die direkte Strahlung ist unterbrochen
Je nach Winkel der Sonne zum Dach und damit dem Sonnenstand im Tages- und Jahresverlauf ist die Minderung der direkten Strahlung durch Objekte in der Jahressumme unterschiedlich (siehe auch Abbildung 23).
Abbildung 23: Sonnenverlaufsbahnen im Tages- und Jahreslauf (QUASCHNING 2003)
Behindert ein Baum die direkte Strahlung nur bei ganz niedrigem südlichem Sonnenstand in
den Wintermonaten, ist die Auswirkung auf die PV-Nutzung auf dem Dach gering. Ein deutlich höherer Baum als das Dach im Südwesten des Gebäudes, der die direkte Strahlung täglich unterbricht, hat maßgeblich Einfluss auf die Stromproduktion der PV-Anlage und muss in
der Analyse und Potenzialberechnung erfasst und berücksichtigt werden.
26
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 24: Sonnenlaufbahn und Sonnenstandswinkel für jeden Monat für den Standort Osnabrück
(LOHMEYER 2007)
Die Grafik in Abbildung 24 verdeutlicht, dass in Osnabrück am 21.12. der Sonnenstandwinkel keine 15 °erreicht.
2.1.3.5 Geeignete Modulfläche
Als geeignete Modulfläche wird die Fläche auf dem Dach beschrieben, die technisch und
wirtschaftlich sinnvoll mit Solarmodulen (Photovoltaik oder Solarthermie) belegt und betrieben werden kann. Eignungskriterien sind:

Homogenität in Dachneigung und Dachausrichtung und nicht durch Schornstein oder
Gaube unterbrochen.

Die Modulfläche muss zusammenhängend eine Mindestgröße erreichen, die abhängig vom solaren System und dem Einsatzbereich ist.

Die Modulfläche darf keine starke Verschattung erfahren.

Die Modulfläche muss eine ausreichend hohe Jahreseinstrahlungssumme, die ebenfalls von der Solartechnik und dem Einsatzbereich abhängt, erhalten.
Dachaufbauten, wie Schornsteine und Gaubenflächen, werden berücksichtigt, müssen aber,
um als geeignet ausgegeben zu werden, die Kriterien erfüllen. Von der geeigneten Modulflächengröße hängen die mögliche zu installierende KW-Leistung und damit die Gesamtleistung der Anlage ab.
27
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
2.1.3.6 Solarenergiepotenzial
Wie viel der auftreffenden Sonnenenergie in nutzbare Wärme bzw. Strom umgewandelt werden kann, wird über verschiedene Parameter errechnet.
Photovoltaik
Das Solarenergiepotenzial PV gibt den Stromertrag an, der unter speziellen Standortbedingungen über eine potenzielle PV-Anlage auf dem Dach mit einem spezifischen Wirkungsgrad produziert werden kann. Die Berechnung des Energieertrages im Voraus kann stets nur
eine Annäherung des tatsächlichen Ertrages sein, der einige Prozentpunkte darüber oder
darunter liegen wird. Zum einen beeinflussen wetterabhängige Faktoren, wie die Sonneneinstrahlung, den Ertrag, zum anderen führen schwer kalkulierbare Verluste, wie Verschmutzungen der Module, Abweichungen des Wirkungsrads gegenüber der Herstellerspezifikation
oder Verluste bei der Einspeisung ins Netz, zu veränderten Erträgen.
Aus dem internationalen Standard IEC 61724 wurde die Norm DIN EN 61724 abgeleitet, die
die Spezifikation von Messgrößen an Photovoltaikanlagen regelt. Für die Ertragsberechnung
werden die darin definierten Begriffe und die Methoden der Ertragsspezifikation verwendet.
Grundlage zur Bestimmung des Solarenergiepotentials einer Dachfläche in dieser Arbeit ist
die Berechnungsformel nach LAQUAI (2003) unter Herleitung nach DIN EN 61724.
Um den effektiven potenziellen Stromertrag auf einer Dachfläche errechnen zu können,
müssen die Jahressumme der Globalstrahlung und die geeignete Modulflächengröße bekannt sein.
Folgende Faktoren und Parameter gehen in die Solarpotenzialberechnung ein:

Jahressumme Globalstrahlung (wird über Methode errechnet)

Geeignete Modulfläche (wird über Methode errechnet)

Modulwirkungsgrad (es wird eine am Markt gängige Technik zu Grunde gelegt)

Performance Ratio (es wird ein realer Faktor verwendet)

An Solarpotenzialfaktoren werden errechnet:

Stromertrag pro geeigneter Modulfläche

KWp-Leistung

Spezifischer Stromertrag
Die kWp-Leistung hängt von der Leistungsfähigkeit der Module ab. Pro Modul wird vom Hersteller eine Nennleistung angegeben. Diese ist mit der Anzahl der Module zu multiplizieren.
Eine Division dieser Summe durch die damit belegte Dachflächengröße weist die kWpLeistung der Anlage aus.
28
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Im Folgenden werden die Potenzialgrößen hergeleitet und visualisiert. Der Stromertrag erhält
die Einheit kWh und stellt die verrichtete Arbeit und die dafür benötigte Zeit dar. Damit ist die
Leistung definiert als „verrichtete Arbeit / dafür benötigte Zeit“.
Für Osnabrück gibt der Deutsche Wetterdienst einen jährlichen Mittelwert der Globalstrahlung für die Jahre 1981-2010 mit 993 kWh/(m²·a) an, was einem Leistungsmittelwert von
0,1134006 kW/m² entspricht. Verglichen zur Strahlung, die mit Satelliten im Bereich der Erde, aber noch außerhalb der Atmosphäre gemessen werden kann, sind das 1,367 kW/m²
(Solarkonstante), unabhängig von der Erddrehung. Der Leistungsmittelwert für Osnabrück
entspricht somit 8,4% der Solarkonstante (LAQUAI, 2003).
Der vom Hersteller angegebene Modulwirkungsgrad ( stc) wird bei Normalbedingungen im
Labor bestimmt und entspricht nicht dem tatsächlichem Gesamtwirkungsgrad der Anlage.
STC steht für „Standard Test Conditions“, die folgende Rahmenbedingungen liefern:

die Strahlung trifft senkrecht auf die Modulebene auf und besitzt somit eine Bestrahlungsstärke von 1000 W/h,

die Temperatur des Moduls beträgt 25°C und

die spektrale Zusammensetzung der Strahlung entspricht dem Durchgang des Sonnenlichts durch die 1,5-fache Atmosphärendicke (AM 1,5).
Das heißt, wenn die Module 100% effizient sind, hätte ein System mit 1 m² Fläche eine Spitzenleistung von 1 kWp-Leistung. Dies ist die Leistung unter Normalbedingungen, die an einem Sommertag zur Mittagszeit, bei einer sehr günstigen Lage erreicht werden könnte, aber
auch überschritten bzw. bei einer ungünstigen Lage auch unterschritten werden kann.
Der Anlagenwirkungsgrad wird aus dem Ertrag von realen Anlagen durch Vergleich der ins
Netz eingespeisten Energie mit der eingestrahlten Energie errechnet. Aufgrund von weiteren
Verlusten durch den Umwandlungsvorgang ist der tatsächliche Anlagenwirkungsgrad geringer.
Der STC-Wirkungsgrad liegt bei monokristallinen Anlagen (z. B. der SC-Serie 255-96M) bei
0,155 (15,5%). Der tatsächliche Anlagenwirkungsgrad kann bei einer guten Anlage um ca.
10-25% darunter liegen, der Anlagenwirkungsgrad wäre damit ca. 0,12-0,14. Mit η=0,14 ist in
Osnabrück, abhängig der Flächenneigung und Ausrichtung, eine mittlere Leistung von
0,015876084 KW/m² oder ein Stromertrag pro Jahr von 139,02 kWh/(m²·a) produzierbar. Oft
geben Hersteller keinen Wirkungsgrad, sondern die Nennleistung der Module pro kWp unter
STC an.
Die Nennleistung wird über den Wirkungsgrad bei Nennbedingungen und die Fläche der
Anlage folgendermaßen errechnet:
PSTC   STC  F  G
(4)
29
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
PSTC = die unter diesen Normbedingungen angegebene Nennleistung in [kW] (oder [kWp])
 STC = Wirkungsgrad der Module [dimensionslos]
F=
Fläche der Anlage in [m²]
GSTC = 1 kW/m², die Strahlungsleistung unter STC-Normalbedingungen
Nennleistung unter STC und Realertrag weisen einen deutlichen Unterschied auf, der durch
folgende Verluste verursacht wird:

Abschattung, Schneebedeckung, Verschmutzung

Temperaturbedingte Generatorverluste

Wirkungsgradverluste bei schwacher Bestrahlung

Reflexion

Leitwiderstände der elektrischen Zuleitungen

Verluste durch Schutzdioden

Anpassungsverlust des Leistungsreglers

Wechselrichterverluste

Netzeinspeiseverluste
Das Verhältnis von Endertrag zu Referenzertrag beschreibt der Performance Ratio (PR), als
Maß für die Verluste. Dieser errechnet sich folgendermaßen:
PR 
Yf
Yr
 1
Lc  Ls
Yr
PR=
Performance Ratio (dimensionslos)
Yf =
Endertrag in [h /a]
Yr =
Referenzertrag [h /a]
Lc =
Auffangverlust [h /a]
Ls =
Systemverlust [h /a]
(5)
Der PR hat sich in den letzten ca. 15 Jahren deutlich verbessert. Lag er in den Jahren bis
2000 noch eher bei 70%, kann heute ein PR von bis zu 90% erreicht werden (siehe Abbildung 25). Dies ist in erster Linie auf eine bessere Abstimmung des Wechselrichters auf die
PV-Module und damit geringere Verluste bei der Stromumwandlung und Einspeisung zurück
zu führen.
30
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 25: Der Performance Ratio von 94 PV-Systemen ermittelt durch das Fraunhofer Institut ISE
2010 über eine Zeitreihe von 10 Jahren (REICH ET AL. 2012)
Für eine Abschätzung des Stromertrags pro installiertem kWp lautet die Berechnung (nach
LAQUAI, 2003):
Y  PR 
H
GSTC
(6)
Dabei ist
Y =
der spezifische, geschätzte Endertrag (kWh/kWp a)
GSTC = 1 KW/m², die Strahlungsleistung unter STC-Normalbedingungen
H=
die mittlere jährliche Globalstrahlung auf die Dachfläche am Aufstellungsort in [kWh/
(m²*a)].
PR =
Performance Ratio mit einem durchschnittlichen Wert von 0,75
PSTC = die unter diesen Normbedingungen angegebene Nennleistung in [kW] (oder [kWp])
 STC = Wirkungsgrad der Module [dimensionslos]
E = der mittlere jährliche Ertrag in [kWh / a]
Durch Umstellung der Gleichung wird die pro Jahr abgegebene Energie in kWh/m² errechnet:
E  PR  H  STC oder
E  PR 
(7)
H
 PSTC
GSTC
(8)
31
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Wenn die Jahreseinstrahlungssumme in kWh/m² auf die geneigte und entsprechend ausgerichtete Dachfläche bekannt ist, lässt sich der spezifische Stromertrag über die absolute mittlere jährliche Globalstrahlung und den PR errechnen.
Beispiel: 1.200 * 0,75 / 1 = 900 kWh/kW
Somit ergibt sich folgende Rechnung:
1.116 kWh/(m²*a)* 0,0001142 kWh/kW = 0,1274 kW/(m²*a)
Der effektive Stromertrag wäre:
1 kWh/a = 0,0001142 kW
1 kW = 8.760 Wh/a
Nachfolgend aufgeführte Formel beschreibt den Berechnungsweg des jährlich erzielbaren
Stromertrags für die PV-Anlage mit einer bekannten Modulflächengröße.
Y = η·A·H·PR
(9)
η stc = der Wirkungsgrad der Anlage bzw. der Module [dimensionslos]
A=
die Modulfläche der Anlage in [m²]
H=
mittlere jährliche Globalstrahlungsenergie am Aufstellungsort in [kWh / (m²·a)]
PR=
Performance Ratio
Solarthermie
Im Rahmen des zu entwickelnden Verfahrens zur Potenzialberechnung einer solarthermischen Nutzung wird die potenzielle Wärmemenge pro m² und die geeignete Modulfläche
errechnet. Die Wärmemenge lässt sich über den Wirkungsgrad einer Thermieanlage ermitteln. Dazu existieren Wirkungsgradkennlinien, die die Leistungsfähigkeit eines Kollektors
beschreiben. Die Leistungskennlinien werden durch Forschungsinstitute bestimmt, indem die
Kollektoren unter fest definierten Bedingungen vermessen werden (QUASCHNING, 2008). Der
Kollektorwirkungsgrad lässt sich über drei Parameter bestimmen. Der optische Wirkungsgrad
(  0 ), beschreibt den Anteil, den der Absorber vom Sonnenlicht in Wärme umwandelt. Er liegt
je nach Kollektortyp bei 70-90%. Dieser wird durch zwei Verlustkoeffizienten (k1 und k2), die
die Höhe der Wärmeverluste im Kollektor beschreiben, bereinigt und der Kollektorwirkungsgrad darüber errechnet. Je heißer der Kollektor ist, desto höher sind die Wärmeverluste und
senken den Wirkungsgrad des Kollektors ab.
k1*   k 2 *  2
  0 
E
(10)
(Quelle: QUASCHNING, 2008)
32
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Es wird im Rahmen der in dieser Arbeit zu entwickelnden Methode von einem mittleren Kollektorwirkungsgrad für einen Flachkollektor von 45% ausgegangen. Daraus ergibt sich für die
Potenzialberechnung der solarthermischen Wärmemenge folgende Berechnungsformel:
Qw = η * H
(11)
Qw =
Nutzwärme für Warmwasserbereitung in kWh/a
H=
mittlere jährliche Globalstrahlungsenergie am Aufstellungsort in [kWh/(m²·a)]
η=
Kollektorwirkungsgrad der Solarthermieanlage
Die geeignete Modulfläche für die Warmwasserbereitung über Solarthermienutzung wird mit
gleichem Verfahren wie für die Photovoltaik-Nutzung errechnet (siehe dazu Kapitel 2.1.3.5)
2.1.3.7 Dachformen
Die in Deutschland maßgeblichen Dachformen sind:

Pult- und Satteldach

Zelt- und Walmdach

Mansardendach
Die Unterschiede liegen in der Gestaltungsrigidität. Pult- und Satteldach sind relativ frei in ihrem
Gestaltungsspielraum, während Walm- und Mansardendach strengere Anforderungen an ihre
Dachformung haben, da hier der Dachausbau das Ziel dieser Dachform darstellt (siehe
Abbildung 27 bis Abbildung 32).
Ein Dach ist über folgende Elemente zu beschreiben (siehe Abbildung 26):

First

Traufe

Ortgang

Grat und Kehle

Dachüberstand

Dachneigung

Gaube

Dacheinschnitt
33
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 26: Dachelemente
Der First beschreibt den oberen Dachabschluss. Laut KUMMER ET AL. (2008) ist dieser deutlich ablesbar, von Dachaufbauten gänzlich losgelöst und unverletzt durch Dacheinschnitte.
Der First bildet den oberen Gebäudeabschluss markant ab.
Die Traufe bildet eine Trennlinie zwischen der massiven Gebäudehülle (Wände) und dem in
Holzbauweise errichteten Dach.
Die Dachgeometrie wird durch die Dimension und den Neigungswinkel des Dachüberstandes maßgeblich bestimmt. Bestimmten Dachtypologien sind zum Teil auch bestimmte Neigungs- und Überstandsrahmen zugeordnet. Die Dachgaube dient durch Hervortreten aus der
Dachfläche der Wohnraumerweiterung und stellt einen Dachaufbau dar. Die Gaube ist im
Idealfall in ihrer Höhe an die übrige Dachform angepasst. Die zu beachtenden Dimensionen
sind die Bauwerksbreite, Dachneigung und Dachhöhe. Die Gaube sollte in der Breite bei
mehreren Gauben nicht mehr als 50% der Hausbreite überschreiten. Der Abstand zum First,
dem Ortgang und dem seitlichen Dachabschluss sollte deutlich über 50 cm betragen. Als
planerischer Grundsatz laut KUMMER ET AL. (2008) sollten Gauben nur in einer Ebene auf
dem Dach angeordnet werden. Zudem sind Dächer unter 30° Neigung nur eingeschränkt
zugelassen, wenn es gestalterisch zufrieden stellend ist (KUMMER ET AL. 2008).
Abbildung 27: Satteldach
Abbildung 28: Pultdach
34
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 29: Zeltdach
Abbildung 30: Walmdach
Abbildung 31: Mansardendach
Abbildung 32: Krüppelwalmdach
Bei Gebäudedächern wird je nach Neigungswinkel zwischen Flachdach (weniger als 5°),
flach geneigtem Dach (bis 25°) und Steildach (ab 25°) unterschieden (BROTRÜCK 2007). In
der Regel können je nach Art der Neigung und Anordnung der Dacheinzelflächen und der Art
des Giebels Dächer in Deutschland bestimmten Dachformen zugeordnet werden, wobei unterschiedlichste Kombinationen möglich sind (siehe Abbildung 27 bis Abbildung 32). Dacharten lassen sich nach den Dachaufbauten in Form von Gauben unterschiedlicher Ausprägung
in weitere Kategorien unterteilen. Hier ist das Wissen über die Neigungsänderung für die
Methodenentwicklung wichtig. Beispielsweise verhält sich der Neigungsabfall bei einer
Schleppgaube in der Regel um mindestens 15°. Die Spitzgaube besitzt dagegen festgelegte
Expositionsänderungen gegenüber dem Hauptdach. Je nach Dachdeckung kann von einem
bestimmten Neigungsbereich ausgegangen werden; so liegt die Regeldachneigung für verformte Dachpfannen zwischen 22° und 40° (BROTRÜCK 2007).
Beim Pult- und Satteldach haben First, Traufe und der seitliche Dachabschluss eine besondere Bedeutung. Gauben sollten nur in einer Reihe angeordnet sein, darüber sind Dachfenster oder Dacheinschnitte denkbar.
Beim Zelt- und Walmdach haben der First und die Traufen ebenfalls eine besondere Bedeutung. Die Grate und Kehlen bilden zudem die räumlichen Kanten und müssen ungestört bleiben, um die Proportionen zu wahren und die Dachform erkennbar zu machen.
Da das Mansardendach historisch eher geringwertigen Wohnraum lieferte und der Spitzboden in der Regel unbewohnt war, findet man die Dachgauben im unteren Dachbereich. Die
beiden Dachflächen verfügen über unterschiedliche Dachneigungen und treffen im Dachknick aufeinander. Der obere Dachbereich ist deutlich unter 45° geneigt, der untere über 70°.
Diese Dachform ist durch den Dachknick eindeutig erkennbar.
35
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
2.1.3.8 Dachaufbauten
Dachgauben können unterschiedlich ausgebildet werden. Es wird unter Anderem unterschieden zwischen einer Spitzgaube (siehe Abbildung 34), dessen Gaubenseitenwände um
je ca. 90° in der Ausrichtung gegenüber dem Hauptdach abgewandt sind.
Abbildung 33: Schleppgaube
Abbildung 34: Spitzgaube
Abbildung 35: Flachdachgaube
Zudem ist oft auch die Neigung der Gaubenseitenwände steiler als die des Hauptdaches.
Eine Spitzgaube hebt sich damit deutlich vom Hauptdach ab. Die Schleppgaube (siehe Abbildung 33) verfügt gegenüber dem Hauptdach über die gleiche Ausrichtung, in der Neigung
ist sie flacher geneigt, als das Hauptdach. Damit verfügt die Schleppgaube über die gleiche
Ausrichtung wie das Hauptdach und ist in diesem Parameter vom Hauptdach nicht zu unterscheiden.
Die Flachdachgaube (siehe Abbildung 35) ist, wie der Name auch sagt, oben mit einem
Flachdach bedeckt, die Seitenwände der Gaube liegen senkrecht davon auf dem Hauptdach
auf. Damit verfügen die senkrechten Seitenwände über eine geänderte Ausrichtung gegenüber dem Hauptdach. Das Flachdach ist sowohl in Neigung als auch Ausrichtung anders
ausgeprägt als das Hauptdach. Die Flachdachgaube ist damit deutlich unterscheidbar gegenüber dem Hauptdach.
2.2
Laserscanning-Messpunktverfahren
Zur Aufnahme von Höheninformationen wird die aktive Fernerkundungsmethode Light
detection and ranging (LiDAR), oder auch Airborne Laserscanning (ALS) genannt, eingesetzt. Es handelt sich hierbei um eine relativ junge Technik, die in den vergangenen 20 Jahren zunehmend an Bedeutung gewonnen hat. LiDAR, im Deutschen auch als FlugzeugLaserscanning oder Flugzeug-Laseraltimetrie bezeichnet, wurde in den Anfängen für die
Aufnahme von Höheninformationen zur Generierung von Geländemodellen eingesetzt (W EVER 1999; W EHR & LOHR 1999; ACKERMANN 1999; KRAUS 2007) und geht auf die Entwicklung
der NASA in den 1980er Jahren zurück. Gegenüber photogrammetrischen Verfahren weist
das Laserscanning durch den hohen Automatisierungsgrad sowie die hohe Genauigkeit und
Zuverlässigkeit der Höhendaten wesentliche Vorteile auf. Ein weiterer Vorteil besteht in der
36
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
geringeren Wetterabhängigkeit bei der Erfassung, da als aktives Verfahren auch z. B. nachts
gescannt werden kann. War der First Pulse, der die Höheninformation der Geländeoberflächenstrukturen aufnimmt, bis vor einiger Zeit noch uninteressant und eher „Datenabfall“, hat
dieser Datensatz in den letzten Jahren stark an Bedeutung gewonnen. Grund ist das große
Interesse an der Berechnung von Gebäudemodellen und der flächendeckenden Erstellung
von Solarpotenzialkatastern. Im Zuge dessen konnte in dieser Arbeit mit unterschiedlichsten
Laserscan-Datensätzen gearbeitet und deren Qualität in Bezug auf die hierfür gestellten Anforderungen wissenschaftlich ausgewertet werden. Einfluss auf die Qualität des Ergebnisses
hat nicht nur die vorliegende Punktdichte, sondern auch der verwendete Sensor und die
Flugparameter. So spielen Scanlinienmuster, Scannfrequenz, Flughöhe oder Streifenbreite
eine entscheidende Rolle. Insbesondere die Pulsrate konnte im Laufe der Jahre mit der
technischen Entwicklung stark gesteigert werden, von 2-5 kHz in den 90er Jahren, bis zu 25100 kHz heute. An die Qualität der aufzunehmenden Laserscan-Daten, auch an den First
Pulse Datensatz, der die Höheninformation der Dachflächen liefert, werden heute hohe Anforderungen gestellt.
2.2.1 Grundlagen und Begriffe
Für immer mehr Bereiche in der Bundesrepublik werden hochauflösende Laserscandaten
erhoben. Anwendung finden sie z. B. in der Erstellung von 3D-Stadtmodellen, Hochwassersimulation oder Precision Farming. Einige Bundesländer (z. B. Baden-Württemberg, Sachsen, Saarland, Schleswig-Holstein, Nordrhein-Westfalen) verfügen bereits flächendeckend
über hochaufgelöste Laserscandaten.
Mittels einer flugzeug- oder helikoptergestützten Befliegung mit einem am Rumpf angebrachten 3D-Scanner wird durch Abtastung der Umgebung mit einem Laserstrahl und Auswertung
seiner Laufzeit das Erfassen dreidimensionaler Informationen ermöglicht. Das Ergebnis sind
mehrdimensionale Punktwolken, die als Grundlage für nachfolgende Auswerteprozesse dienen. Im Rahmen der Messdatenerhebung werden die kartesischen Koordinatenwerte (x, y
und z) berechnet. Je nach Scannertyp ist zudem die Aufnahme der Signalstärke möglich; es
werden vierdimensionale Punkte ausgegeben. Die Genauigkeit in Lage und Höhe liegt bei
ca. 20-25 cm (z. B. MAAS 2002 und 2003).
Das Laserlicht wird i. d. R. im Wellenlängenbereich des nahen Infrarots (0,8 μm bis 1,5 μm)
ausgesandt. Werden Wellenlängen im Nanometer-Bereich genutzt, können Wolkendecken
nicht durchdrungen werden; damit ist eine Aufnahme wetterabhängig. Über die Addition des
Ortsvektors f und des Messvektors d errechnet sich der Vektor p (siehe Abbildung 36 und
Formel 12).
37
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
d
f
p
p
Abbildung 36: Methode des Laserscannings (TOPSCAN 2006, verändert)
  
p f d
(12)
Der Messvektor liegt zwischen Sensor und Messpunkt und wird durch die Lasermessung aus
der Hälfte des Laserlichtwegs, der vom Sensor zum Objektpunkt und wieder zurück verläuft,
berechnet. Nach dem Weg-Zeit-Gesetz ergibt sich dieser Weg durch die Lichtgeschwindigkeit und aus einer hochpräzisen Laufzeitmessung (Δt) (siehe Formel 13).

1
IdI   c  t
2
(13)
Der Ortsvektor zum Sensor sowie die Richtung des Messvektors ergeben sich aus der Messung durch ein Global Positioning System (GPS) und ein Inertialmesssystem (Inertial
Messure Unit (IMU) oder Inertial Navigation System (INS)) am Boden (siehe Abbildung 36).
Über gepulste Laser, die Impulse mit einer Wiederholungsrate von ca. 80 kHz bis 100 kHz
aussenden, ist eine Mehrfachreflexion möglich. 100 kHz entsprechen 100.000 Bodenpunkten
pro Sekunde und ermöglichen eine Punktdichte >1 Punkt pro m². Vegetationsoberflächen
geben ein first echo zurück. Die darunter liegende Geländeoberfläche reflektiert später und
sendet den last echo aus (siehe Abbildung 37) (MAAS 2004).
38
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 37: Mehrfachreflexion first und last echo (TOPSCAN 2006)
Weitere Informationen zum Messprinzip sind in zahlreichen Veröffentlichungen detailliert
dargestellt, z. B. in KRAUS (2004, 2007) und MAAS (2004). Nachfolgend soll kurz auf die einzelnen Flugparameter eingegangen werden.
Post-Processing der Daten
Während des Flugs werden Rohdaten im Systemkoordinatensystem aufgenommen. Die Abgabe der Daten erfolgt in der Regel im jeweiligen Landeskoordinatensystem und erfordert
Koordinatentransformationen.
Systemkalibrierung
Hochgenaue Ergebnisse der LiDAR-Erfassung erfordern eine vorangegangene Kalibrierung
der Instrumente im Gesamtsystem (s. dazu SCHIELE 2005).
Genauigkeiten und Auflösevermögen
Die Genauigkeit beeinflussen die Flughöhe, der Durchmesser des Laserstrahls und die Qualität der GPS/INS-Daten sowie das angewendete Post-Processing-Verfahren. Flughöhen
über Grund von 1.000-3.000 m sind möglich und werden durch die Laserleistung bestimmt.
Die Auflösung der Laserdaten wird durch die Ausdehnung des Laserstrahls bestimmt. Bei
einer Flughöhe von 1000 m besitzt der Fußpunkt (Footprint), der Laserfleck am Boden, bei
einem Öffnungswinkel des gebündelten Laserstrahls von ca. 0,2-2 mrad einen Durchmesser
von 0,2-2 m. Die Punktverteilung und der Punktabstand werden somit durch die Flugparameter Flughöhe über Grund, Abstand der Fluglinien sowie die einstellbaren Systemparameter
Messrate, Fluggeschwindigkeit, Scanwinkel und Scanfrequenz bestimmt.
39
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Die Geländestreifenbreite wird durch den Öffnungswinkel des Scanmechanismus beeinflusst, der bei einer Öffnung zwischen 15-60° liegt; daraus folgt eine Streifenbreite von 5002.000 m. Die Wellenlänge des Laserlichts liegt bei 0,8-1,55 μm und damit im Infrarot-Bereich
(W AGNER ET AL. 2004).
Die Gesamtgenauigkeit in der Höhe von 10-15 cm ergibt sich aus einer Reihe von Einzelfaktoren (MAAS 2004). Die Hauptfehlerquelle liegt in der Höhenbestimmung des Flugzeugs
durch Differential GPS (dGPS) (MAAS 2005). Die zu erreichende Gesamtgenauigkeit ist abhängig von der Oberflächenbeschaffenheit und nimmt mit zunehmender Geländeneigung ab
(BRIESE ET AL. 2001). Die räumliche Auflösung von Flugzeuglaserscannersystemen wird
durch die Datenrate, Fluggeschwindigkeit und Flughöhe, Geländeneigung, verwendeten
Scannmechanismus, Breite des Geländestreifens / gewählte Scanbreite und die Genauigkeit
der Bestimmung der Plattformorientierung bestimmt. Wurde in den Anfängen ausschließlich
die Höhengenauigkeit betrachtet, gelangt nun auch die Lagegenauigkeit mit zunehmender
Punktdichte in den Blickpunkt. Diese ist – im Gegensatz zur Höhengenauigkeit – fast linear
von der Flughöhe über Grund abhängig. Literatur (MAAS 2004) und Herstellerangaben geben
eine Lagegenauigkeit von ca. 0,05% der Flughöhe an, was einer Genauigkeit von 0,5-1 m
bei der Flughöhe von 1.000 m entspricht.
Testflüge von TOPOSYS (1996) haben gezeigt, dass sich bei einem Öffnungswinkel von > 10°
(off-nadir) die Menge der abgeschatteten Gebiete stark erhöht, d. h. sich die Anzahl der am
Boden auftreffenden Laserpunkte stark verringert, wodurch es zu vermehrten Datenlöchern
kommt.
Zusammenfassend kann die Genauigkeit von Laserscandaten und der daraus abgeleiteten
Produkte über folgende Faktoren beeinflusst werden:

Zufällige und systematische Fehler, verursacht durch die einzelnen Systemkomponenten (Laserdistanzmesser, GPS, INS).

Fehler aufgrund zusammenhängender Systemparameter wie Flughöhe, Pulsmodus,
Punktdichte und maximaler Scanwinkel.

Fehler aufgrund der Geländestruktureigenschaften (Bodenbedeckung, Geländetyp,
Bewuchsdichte, Geländeneigung). Im Themenzusammenhang sind hier insbesondere
die unterschiedlichen Dachstrukturen/-materialien und -farben zu nennen.

Fehler, die im Nachgang bei der Nachbereitung wie der Transformation, Interpolation,
Filterung und Klassifizierung entstehen.
Genauigkeitsanalysen von Laserscandaten
Die Genauigkeit der Laserdatenpunkte wird meist über die Koordinaten der Landeskoordinatensysteme überprüft. Zudem wird oft der Nachweis über die vorgegebene mittlere und absolute Punktdichte verlangt. Die Qualität der Solarpotenzialanalyse ist maßgeblich von der
40
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Qualität der Laserscandaten abhängig, insbesondere von der Höhengenauigkeit sowie der
Punktdichte und -verteilung. Die Lagegenauigkeit der Laserdatenpunkte ist in der Regel um
einiges höher als die Lagegenauigkeit der Gebäudegrundrissdaten (MAAS, 2005).
In Rahmen der Methodenentwicklung dieser Arbeit wurde mit unterschiedlichsten Laserscandaten gearbeitet, die eine Bewertung von Sensorunterschieden, Punktdichten und Qualitätsanforderungen zulassen. Im Folgenden sind die Sensoren der in dieser Arbeit zum Einsatz gekommenen Laserscannerdaten aufgeführt.

LMS-Q560 von Riegel

ALTM-1225 von Optech

ALTM-3100 von Optech

ALTM Gemini von Optech

Toposys II von Toposys

ALS 50-83 von Leica Geosystems
Eine Auflistung der für die Methodenentwicklung zu Grunde gelegten Testdaten ist in Kapitel
3.2 in Tabelle 7 dargestellt.
2.2.2 Aufnahmesysteme
Zur luftgestützten Laserscanaufnahme sind verschiedene Sensoren im Einsatz (z. B. W EHR
& LOHR 1999; W EVER 1999). Auf dem Markt etabliert haben sich Sensoren verschiedener
Anbieter: Leica, Optech, Riegel, TopEye und TopoSys. Unterschieden wird zwischen zwei
Sensortechniken. Sensoren der Firma Optech verfügen über einen oszillierenden Spiegel,
der den Laserstrahl auf die gesamte Streifenbreite verteilt. Der variable Öffnungswinkel muss
nachkalibriert werden.
Abbildung 38: Funktionsprinzip Laserscanning am
Beispiel Riegel LMS-Q560 (Quelle: Riegel)
41
Abbildung 39: Funktionsprinzip des Toposys Scansystems (Quelle: TOPOSYS)
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Die aus dem deutschen Ravensburg stammende Firma TopoSys hat den Sensor Toposys II
entwickelt. Dieser LiDAR-Sensor unterscheidet sich konstruktiv von allen anderen Sensoren.
Die Verteilung des Laserstrahls erfolgt über ein Glasfaserkabel, der über die gesamte Streifenbreite und nicht mittels eines Spiegels verteilt wird. Der dadurch bedingte feste Öffnungswinkel braucht nicht nachkalibriert zu werden; dies hingegen ist bei variablen Öffnungswinkeln notwendig.
Abbildung 40: Scanmuster eines Riegel LMSQ560, der mit einem oszillierenden Spiegel
Abbildung 41: Scanmuster eines Toposys II
Scanners, welcher mit einem Glasfaserkabel
arbeitet
arbeitet
Der Artikel „Correction of laser scanning intensity data: data and modell driven approaches“
von HÖFLE & PFEIFER (2007) beschreibt die Signalstärke des Laserscannerreflexes. Drei
Faktoren beeinflussen die Signalstärke:

kugelförmiger Verlust (spherical loss),

Verlust durch die Topographie,

atmosphärische Effekte beeinflussen die Rückstreuung der ausgestrahlten LaserEnergie, die zu einer merklich heterogenen Darstellung der empfangenen Energie
führt.
Beschrieben wird der erreichte Footprint bei einer bestimmten Flughöhe und einem ausgesandten mrad. Zudem wird ausgesagt, dass der erreichte Footprint stark von der Flughöhe,
den Strukturen der zu scannenden Oberfläche und dem Scanwinkel abhängt.
42
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 42: Darstellung zur Flugplanung (Quelle: TOPOSYS)
Der Punktabstand variiert zwischen der in Flugrichtung und quer zur Flugrichtung aufgenommenen Linie; die Höhenpunkte werden nicht gleichmäßig über die Fläche aufgenommen. Es bestehen Bereiche mit Unterschreitungen (Lücken) und Überschreitungen der
Punktdichte (Überlappungsbereiche) (BALTSAVIAS, 1999).
Abbildung 43: Darstellung der Laserpunktverteilung auf den Dachflächen zweier Gebäudedächer
(STADT OSNABRÜCK 2006)
Abbildung 43 zeigt die Punktverteilung der Laserscanaufnahme für die Stadt Osnabrück aus
2005 auf Dachflächen.
2.3
Stand der Technik
Im Rahmen dieses Kapitels werden bestehende Verfahren, die in Ansätzen die zu bearbeitende Fragestellung behandelt haben, beschrieben und bewertet. Hier sind in erster Linie die
Ansätze zur 3D-Gebäudemodellierung und Verfahren zur Solarpotenzialberechnung hinsichtlich der Zielsetzung dieser Arbeit zu betrachten und zu bewerten.
43
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
2.3.1 Solarpotenzialanalysen
Im Solarbereich existieren zur Berechnung der Wirtschaftlichkeit von Photovoltaik-Anlagen
einige Kalkulations- und Prognoseprogramme. Diese werden in erster Linie von Installateuren und Energieberatern für die Angebotserstellung für Einzeldachanlagen genutzt.
Simulations- und Potenzialberechnungsprogramme, einzeldachbezogen sind z. B.:

SOLEM

greenius Free

PV*SOL

RETScreen
QUASCHNING (2007) führte einen Vergleich von unterschiedlichen Simulationsprogrammen,
die einzeldachbezogen den Ertrag errechnen, durch. Gestestet wurden die Programme
SOLEM, greenius Free, PV*SOL und RETScreen. Das Ergebnis dieser Studie zeigt, dass
die Ertragsprognosen der Programme im Vergleich zu Betriebsergebnissen von realen PVAnlagen gute Ergebnisse liefern können, dass aber durch die komplexe Anwendung der
Programme auch der Nutzer einen entscheidenden Einfluss auf das Ergebnis hat. Ein erfahrener Anwender ist dringend gefragt. QUASCHNING rät, eine Prognose für eine zu planende
Anlage über verschiedene Programme und durch mindestens zwei Gutachter absichern zu
lassen.
Mit der Errechnung des Solarenergiepotentials für einen Stadtteil von Osnabrück befasste
sich eine Diplomarbeit bereits in den 90er Jahren (SCHULTZ 1996). Datengrundlage bildeten
bei SCHULTZ eigene Vermessungen und Erhebungen; die Auswertung und Visualisierung
wurde z. T. über ein geographisches Informationssystem realisiert. Für die Stadt Aachen
bestehen Berechnungen und Schätzungen von Solarenergiepotenzialen auf Dachflächen
von BISCHOF aus dem Jahr 1993. Datengrundlage bilden hier ebenfalls eigene Vermessungen und Erhebungen der Gebäude.
Erste Ansätze zur automatisierten Solarpotenzialanalyse wurden durch u. a. SolarGIS (KETTEMANN & SCHRÖDER 2002) als Applikation für die Software AutoCAD/ WS Landcad entwickelt. Ziel war die Erstellung von detaillierten Sonnenbilanzen und Strahlungsanalysen für
ganze Stadtviertel. Grundlage ist ein konstruiertes 3D-Stadtmodell; die Sonnenanalyse wird
rein vektorbasiert erstellt. Von den Solarfreunden Moosburg wurde eine GIS-Applikation
(SOLARGIS) zur Visualisierung von Photovoltaik- bzw. Solaranlagenstandorten in der Stadt
Moosburg erstellt (HOFMANN, 2003). Als Datengrundlage dienen orthogonalisierte Luftbilder
und ein maßstabsgetreuer Stadtplan.
Eine großflächige automatisiert umgesetzte Solarpotenzialanalyse für alle Gebäude eines
Stadtgebiets wurde erstmals 2006/2007 für das Stadtgebiet Osnabrück realisiert (KLÄRLE &
LUDWIG, 2006). Darüber hinaus haben sich mit der Entwicklung von Verfahren zur Solarpotenzialanalyse über ALS-Daten z. B. AGUGIARO ET AL. (2011), VÖGTLE ET AL. (2005) und HO44
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
& KANUK (2009) beschäftigt. AGUGIARO ET AL. führen auf Grundlage unterschiedlicher
Rastermodelle von Gebäuden Einstrahlungsanalysen über den r.sun Algorithmus von
GRASS GIS durch.
FIERKA
Erwähnt sei zudem das Verfahren von JOCHEM ET AL. (2009), das auf Basis der 3DLaserdatenpunktwolke die homogenen Dachflächen über ein Segmentierungsverfahren (Region Growing) separiert. Ein Segment wächst, bis es die Kante oder den Rand eines Daches
erreicht hat. Punkte, die ein Teil eines Segments sind, werden von den vorhandenen Punkten entfernt und der Algorithmus fährt fort, bis alle möglichen Punkte verteilt sind. Der Algorithmus beinhaltet die Definition einer Mindestzahl der Punkte pro Segment, die kleine Segmente entfernen lässt, die nicht von weiterem Interesse sind. Über dieses Verfahren werden
Kamine oder Gauben ausgeschlossen. Über den Algorithmus zur Selektion der Dachteilflächen sind nicht alle Dachkanten selektieren worden. Die Einstrahlungsberechnung erfolgt
über eine Sichtanalyse vom Punkt zur Sonne. Der Algorithmus nutzt die segmentierte
Punktwolke, um die direkte und diffuse Strahlung für jedes Element zu errechnen. Die dargestellte Methode ermittelt Dachteilflächen über die Segmentierung der 3D-Punktwolke mit
einer Korrektheit von 94,4 % und einer Vollständigkeit von 88,4 %.
In den letzten Jahren werden großflächige Solarpotenzialanalysen von einigen Firmen als
Dienstleistung am Markt angeboten. Diese unterscheiden sich in den verwendeten Grundlagendaten und in der methodischen Umsetzung. Hier sind die Verfahren von GOTTENSTRÄTER
& HILLING (2007), HILLING & DE LANGE (2010, 2010a), SIMUPLAN (2012), TETRAEDER (2012)
und SMARTGEOMATICS (2012), KLAUSER & EGRET (2012) sowie Klärle (2011) zu nennen (siehe Tabelle 6). Zudem werden Ergebnisse von Untersuchungen zu Einstrahlungsberechnungen über das r.sun Tool von GRASS GIS (SURI & HOFIERKA, 2004) z. B. in AGUGIARO ET AL.
(2011) und NGUYEN & PEARCE (2010) dargestellt.
Tabelle 6: Großflächige Solarpotenzialanalyse-Verfahren werden von verschiedenen Unternehmen
angeboten
Unternehmen
Grundlagendaten
Quelle
Simuplan
3D-Stadtmodell, Laserscandaten
Simuplan 2012
Tetraeder
Laserscandaten über TIN-Modell
Tetraeder 2012
Laserscandaten, anfänglich zuGeoplex
sätzlich
über
Stereoluftbildaus-
wertung
Hilling & De Lange 2010, 2010a; Geoplex
2012, 2013; Gottensträter & Hilling 2007
SmartGeomatics
Laserscandaten
SmartGeomatics 2012
Klärle
Laserscandaten
Klärle 2011
Meteotest
Laserscandaten
Klauser & Egret 2012
Die Verfahren können auf erster Ebene nach den zu verwendenden Grundlagendaten (Stereoluftbilderauswertung, Laserscandatenauswertung) unterschieden werden. Die Einstrahlungsanalyse und Potenzialberechnung wird zum einen auf Basis eines 3D-Stadtmodells und
zum anderen auf Basis eines Raster- oder Vektor-2,5D-Oberflächenmodells umgesetzt.
45
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
GOTTENSTRÄTER & HILLING kombinieren 2007 noch Stereoluftbilder mit Light detection and
ranging (LiDAR)-Daten, um eine Extraktion von Dachseiten vornehmen zu können. Sie entwickelten das Verfahren weiter und wenden 2013 eine Methode im Rahmen der Solarpotenzialberechnung an, die weder Stereoluftbilder noch Gebäudegrundrissdaten für die Erkennung und Selektion von Dachseiten benötigt. Aus der Laserscanrohdatenpunktwolke werden
zunächst „Gebäude-“ und „Nicht-Gebäudepunkte“ klassifiziert. Die „Nicht-Gebäudepunkte“
werden gelöscht, so dass nur noch „Gebäudepunkte“ verbleiben. Über diese läuft ein Verfahren, welches die Dachseiten erkennen lässt. Aus den klassifizierten Dachseitenpunkten werden Polygonflächen generiert, die das Dach beschreiben (GEOPLEX, 2013 und GEOPLEX,
2008). Über die Berechnung der Dachneigung und Dachausrichtung, der Jahressumme der
Globalstrahlung und der Verschattung wird abschließend pro Dachseite das Solarpotenzial
ermittelt. Abweichend der Zielsetzung dieser Arbeit berücksichtigt die dachseitenscharfe
Darstellung der Ergebnisdaten keine kleinen Dachstrukturen wie Schornsteine und Gauben;
diese sind nur in dem Verschattungs- und Einstrahlungsergebnissen sichtbar.
TETRAEDER erzeugt auf Basis der Laserscannerrohdatenpunkte ein vereinfachtes Modell der
Häuser und umgebenden Objekte. Die Dachflächen werden automatisch erkannt, Einstrahlung und Verschattung werden berechnet (TETRAEDER, 2013).
SIMUPLAN nutzt Geometrien aus digitalen 3D-Stadtmodellen oder aus hochaufgelösten Laserscandaten. Das 3D-Modell dient als Grundlage für die Einstrahlungsanalyse und Berechnung des Solarpotenzials dachseitenscharf. Ein Horizontlinienverfahren berücksichtigt
Verschattungseffekte durch umliegende Bebauung, Vegetation und Topographie. Detaillierte
Solarpotenzialberechnungen mit Berücksichtigung von allen Dachstrukturen und Vegetation
werden erst in einer nachfolgenden Einzelobjekt-Analyse umgesetzt, deren exaktes Dachmodell sowie die umgebenden Verschattungsobjekte (Dachstrukturen und Bäume) im Vorfeld aus hochaufgelösten Luftbildern aufgebaut werden müssen (SIMUPLAN, 2012).
Das Verfahren nach Klärle (KLÄRLE 2011) führt keine Teilflächenbildung aus. Dachteilflächenscharf werden nur die Einstrahlungswerte und entsprechende Eignungsklassen dazu in
den Katastern ausgegeben. Wie die Berechnung der geeigneten Dachanteile erfolgt, ist in
keiner Veröffentlichung beschrieben.
Zur GIS-gestützten Berechnung der solaren Einstrahlung auf die Erde existieren unterschiedliche Methoden u. a. Area Solar Radiation in ArcGIS von ESRI (RICH, 1990; RICH ET
AL., 1994; FU & RICH, 2000, 2002) und r.sun in GRASS GIS von HOFIERKA & SURI (2002).
Der Algorithmus des Area Solar Radiation basiert ursprünglich auf dem Solar Flux-Modell,
entwickelt für Arc/INFO über die Hillshade-Funktion (FU & RICH, 2000). Die Weiterentwicklung beruht auf dem Top View-Modell, welches die direkte und diffuse Einstrahlung mit Hilfe
eines digitalen Oberflächenmodells errechnet. Der eingesetzte Hemispherical ViewshedAlgorithmus, der den sichtbaren Himmel von einem spezifischen Punkt aus simuliert, dient
als Kern des Solar Analyst. Die Methode wurde anhand klimatischer und geographischer
Bedingung der USA entwickelt (FU & RICH, 1999).
46
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Es bestehen zudem Verfahren (u. a. ENGEL & DÖLLNER, 2010), die über eine Triangulation
des Höhenfeldes eine bildbasierte 3D-Analyse für die Ermittlung der Verschattungsintensität
anwenden. In diesem Fall wird auf dem Rasterpunkt, der einem Dach zugeordnet ist, eine
virtuelle Kamera positioniert und die Umgebung gerendert. Dadurch lässt sich das berücksichtigte Zeitintervall des Sonnenstandes bis in Minutenabstände verfeinern, ohne dass die
Berechnungsdauer linear steigt.
Spezielle Untersuchungen die nur die Einstrahlungsmethoden bewerten, sind z. B. durch
KRYZA ET AL. (2010) anhand von Berechnungen in Spitzbergen veröffentlicht. Weitere Autoren, z. B. SURI ET AL. (2007), HULD ET AL. (2002), HULD ET AL. (2005), JOCHEM ET AL. (2010),
AGUGIARO ET AL. (2011), CARNEIRO ET AL. (2009) und HOFIERKA & KANUK (2009), führen Untersuchungen zur Anwendung des r.sun-Algorithmus durch.
AGUGIARO ET AL. (2011) greifen den Ansatz von JOCHEM ET AL. (2010) auf und setzen Einstrahlungsanalysen auf Basis unterschiedlicher Eingangsdatensätze um. Erste Berechnungsgrundlage stellt eine vektorielle Liegenschaftskarte mit allen Gebäudeflächen und Informationen über z. B. die mittlere Gebäudehöhe dar. Hier werden nur Flachdächer hinzugezogen. Der zweite Datensatz stellt ein DOM im 1x1 m-Raster dar, das aus Laserscandaten
einer Befliegung von 2006/2007 abgeleitet ist, sowie ergänzend ein DGM größeren Ausmaßes für die Berücksichtigung der Topographie. Die vier weiteren Testdatensätze sind Gebäudemodelle über ein auf Basis von Stereoluftbildern abgeleitetes DOM mit 1 m und 0,25 m
Rasterweite. Die Ableitung der Gebäudemodelle geschieht jeweils automatisiert. Darüber
hinaus werden auf Basis der zwei Rasterdatensätze die Gebäude manuell abgeleitet.
AGUGIARO ET AL. (2011) bewerten die direkten Einstrahlungsergebnisse gegenüber Einstrahlungsdaten einer in der Nähe des Untersuchungsraumes liegenden Messstation. Die Berechnung der direkten Einstrahlung auf Basis des DOM und der automatisch und manuell
abgeleiteten Modelle über die Stereoluftbilder liefern vergleichbare Ergebnisse. Abweichungen bis zu 10 % sind in den Ergebnissen der Flachdächer, aus den Katasterdaten stammend, zu erkennen.
HOFIERKA & KANUK (2009) zeigen das photovoltaische Potenzial über die Anwendung von
r.sun am Beispiel einer kleinen Stadt in der Ostslowakei auf. Auf Basis eines 3DStadtmodells wird die Einstrahlung auf Gebäudedächer errechnet.
CARNEIRO ET AL. (2009) entwickeln ein Verfahren, das auf Basis eines generierten 2,5DStadtmodells die solare Einstrahlung sowohl auf das Gebäudedach als auch auf die Gebäudefassade errechnet. Dafür nutzen sie als Grundlagendaten neben den Laserscanrohdaten
(first und last pulse) die Gebäudeumringe im Vektorformat und als alphanumerischen Datensatz Gebäudehöhen aus einem bestehenden 3D-Stadtmodell. CARNEIRO ET AL. (2009) interpolieren ein 2,5D-Stadtmodell, indem in zwei Verfahrensschritten zunächst das Gelände ohne Gebäude und in einem weiteren separaten Schritt nur die Gebäude interpoliert und auf
Basis der Gebäudehöhendaten für jede Pixelzelle in die Höhe gezogen werden. Abschließend erfolgt eine Vereinigung dieser Daten. Nicht enthalten ist die Vegetation, wie Bäume.
Das Ergebnis der solaren Fassaden-Berechnung ist ein Einstrahlungswert pro Gebäude47
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
wand in Wh/m² für unterschiedliche Zeitstände. Dabei wird ein Mittelwert pro Gebäudewand
ausgegeben und je nach Visualisierungsart als Linie (2D-Darstellung) oder vertikale Fläche
(3D-Darstellung) abgebildet. Die Einstrahlungsanalyse erfolgt für bestimmte Stunden am Tag
und analysiert, welche Pixel zu diesem Zeitpunkt verschattet sind und welche direktes Sonnenlicht erreichen. CARNEIRO ET AL. (2009) verwenden Matlab-Algorithmen für die Berechnung.
Die bestehenden Verfahren zur Solarpotenzialanalyse berücksichtigen nicht, entgegen der
Zielsetzung dieser Arbeit, die für die solare Nutzung auf der Dachfläche wichtigen Einflussfaktoren, wie Verschattung durch kleine Dachstrukturen oder umliegende Bäume, oder lassen eine flächendeckende Berechnung einer großen Region nicht zu und konzentrieren sich
auf Stadtteile und Einzelgebäude. Die bestehenden Verfahren am Markt, die als Dienstleistung der oben genannten Unternehmen angeboten werden, können nicht im Detail bewertet
werden, da der genaue Verfahrensablauf nicht veröffentlicht ist.
2.3.2 Gebäudeextraktion und -modellierung
Verfahren zur Extraktion von 3D-Gebäudemodellen auf Grundlage von Fernerkundungsdaten werden mit der Verbreitung dieser hochauflösenden Daten seit ca. 20 Jahren entwickelt
und angewendet. 3D-Gebäudemodelle sind oft Bestandteil eines 3D-Stadtmodells, das den
besiedelten Raum realitätsnah abbildet und für unterschiedlichste Einsatzgebiete eingesetzt
wird.
Die Anforderungen an 3D-Stadtmodelle sind entsprechend ihrer Einsatzbereichen gestellt.
Neben touristischen Anwendungsfeldern findet das Modell auch in der Bauleitplanung,
Hochwasserberechnung, Schall- und Lärmausbreitung, dem Katastrophenschutz oder im
Katasterbereich seine Verwendung. Der Anspruch eines 3D-Stadtmodells liegt dabei in der
möglichst optisch ansprechenden und realitätsnahen Darstellung der Gebäudehöhe und dimension und der vorwiegenden Dachform. In dem Zusammenhang wird auch von Konstruktion gesprochen. Ziel vieler Methodenentwicklungen ist ein hoher Automatisierungsgrad,
der das Stadtmodell großer städtischer Räume mit vertretbarem Aufwand ableiten lässt.
Für die Konstruktion von 3D-Gebäudemodellen bestehen die Definitionen der “Levels of Detail” (LoD) nach dem CityGML-Standard, der in ISO 19100 beschrieben ist. Der OGCStandard CityGML ist ein offenes Multifunktionsmodell, das für raumbezogene Transaktionen
verwendet werden kann (Gröger et.al. 2012). Aktuell existieren fünf Detaillierungsstufen. Der
einfachste Grad (LoD0) entspricht einem 2,5D Digitalem Geländemodell (DGM). Als Grundgerüst für Gebäude dient das Blockmodell (LoD1), welches diese stark vereinfacht in Form
von Quadern oder prismatischen Körpern darstellt. Die folgenden Detaillierungsstufen reichen angefangen von einem Stadtmodell mit standardisierten Dachformen (LoD2) über ein
weitaus detaillierteres Modell mit Fassaden (LoD3) bis hin zu einem begehbaren Innenraummodell mit einzelnen Raumbestandteilen (LoD4) (GRÖGER ET AL., 2008). Eine genaue
Beschreibung der LoD-Standards ist u. a. in KOLBE (2009) zu finden.
48
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
In diesem Kapitel näher betrachtet werden sollen Verfahren zur Ableitung des Standards
LoD2, da dieser heute die Dachfläche und den Gebäudekörper über mehr oder weniger automatisierte Verfahren erzeugen lässt. LoD3 verfügt über einen höheren Detaillierungsgrad
auch des Daches, ist aber von einer vollautomatisierten Ableitung noch weit entfernt.

Die Unterschiede der betrachteten Verfahren zur LoD2-Ableitung liegen unter Anderem in der Verwendung unterschiedlicher Grundlagendaten. Folgende Daten und
Kombinationen werden verwendet:

Photogrammetrische Auswertung von Stereoluftbildern

Kombination von Laserscandaten und photogrammetrischer Auswertung von Stereoluftbildern

Ausschließlich über Laserscandaten
Das Hinzuziehen von Gebäudegrundrissdaten oder eine integrierte Lokalisierung der Gebäude ohne Grundrisse ist in allen Kombinationen im Einsatz. Die ersten Veröffentlichungen
zu diesem Themenfeld werden u. a. von HAALA & BRENNER (1999) und MAAS (1999) ausgegeben.
Verfahren zur Konstruktion von 3D-Gebäudemodellen aus Laserscandaten werden in verschiedenen Publikationen detailliert untersucht (z. B. BRENNER, 2002; JANSA & STANEK,
2003; STEINLE, 2005; DORNINGER & PFEIFER, 2008; CARNEIRO ET AL., 2009; HOFMANN, 2005;
SCHWALBE ET AL., 2005; TSE ET AL., 2008; TARSHA-KURDI ET AL., 2007). Alle betrachten den
Erfolg und Automatisierungsgrad ihrer Methode, doch nur einzelne (z.B. MAAS, 1999) beurteilen auch die erreichte Genauigkeit der Gebäudemodelle. Die Genauigkeit ist jedoch unter
Umständen für den letztendlichen Einsatzbereich des 3D-Stadtmodells, z.B. für die Solarpotenzialanalyse, von großem Interesse.
Einen Überblick über Verfahren der Gebäudeextraktion aus LiDAR-Daten gibt TARSHA-KURDI
ET AL. (2007). Verfahren auf Grundlage von Luftbilddaten werden in HOFMANN (2005) dargestellt. TARSHA-KURDI ET AL. (2007) stellen fest, dass die bisher bestehenden Verfahren alle
Beschränkungen aufweisen und die Automatisierung nach wie vor eine schwierige Aufgabe
darstellt.
Nach MAAS (1999) wird in der Extraktion und Modellierung von Gebäuden auf Basis von
Fernerkundungsdaten zwischen zwei Ansätzen unterschieden, dem datengetriebenen oder
nicht parametrischen und dem modellgetriebenen oder parametrischen Ansatz. Abbildung 44
gibt einen Überblick über entwickelte Methoden und deren Ansätze sowie der verwendeten
Eingangsdaten.
Der modellgetriebene Ansatz verfolgt das Ziel der Annäherung. Vordefinierte Gebäudeformen werden in einer Modellbibliothek vorgehalten und dienen als Vorlage. Über ein Annäherungsverfahren wird das durch die Laserscandaten-Punktwolke beschriebene und zu bestimmende Gebäude mit denen in der Bibliothek verglichen und zugeordnet. Dann werden
die wahrscheinlichsten Parameterinhalte des ausgewählten Modells berechnet und den Pa49
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
rametern zugewiesen. Für die Definition von komplizierten Gebäudeformen wird ein Segmentieren über Gebäudegrundrissdaten vorgeschlagen, um es in seine Primitive zu zerlegen. Alternativ ist auch das Ableiten von Bruchkanten aus dem DOM möglich, um sich der
komplexen Gebäudeform zu nähern.
Der datengetriebene Ansatz modelliert das Gebäude unabhängig von seiner Form. Die Laserscan-Punktwolke innerhalb der Gebäudefläche wird hierbei als Ausgangsdatensatz gesehen. Bei diesem Ansatz wird zu Grunde gelegt, dass ein Gebäude ein vielflächiges Modell
darstellt. Um die Dachfläche abzuleiten, existieren auf dieser Grundlage verschiedene Vorgehensweisen mit unterschiedlichen Teilmodellansätzen.
50
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Gebäudeextraktion aus Fernerkundungsdaten
LiDAR
LiDAR & Luftbild
LiDAR ohne Liegenschaftsdaten
LiDAR mit Liegenschaftsdaten
Datengetriebener
Ansatz
Prismatic Model:
ALHARTY 2002
Parametric Model:
ELAKSHER & BETHEL
2002
Polyhedral Model:
ALHARTHY & BETHEL
2004
FORLANI 2003
HOFMANN & SCWALBE
2004
ROTTENSTEINER & Brise
2002
ROTTENSTEINER et al.
2003
SCHWALBE 2004
VOSSELMAN 1999
TURSHA-KURDI et al.
2007
No Model:
AXELSON 1999
GORTE 2002
AREFI 2009
TSE 2008
PERERA & MAAS 2012
Modellgetriebener
Ansatz
PRISMATIC MODEL:
WEIDNER 1995
PARAMETRIC
MODEL:
MAAS 1999
PRISMATIC MODEL:
LEMMENS 1997
CAMEIRO ET AL.
2009
BRENNER 1999
POLYHEDRAL MODEL:
VOSSELMANN &
DIJKMANN 2001
VOSSELMANN ET AL.
2004
SCHWALBE ET al.
2005
NO MODEL:
STILLA 1999
PARAMETRIC MODEL:
ROTTENSTEINER & JANSA
2002
HAALA 1997
RUIJIN 2004
POLYHEDRAL MODEL
ROTTENSTEINER et al.
2004
Luftbild
POLYHEDRAL MODEL:
BAILLARD 1999
HEUEL 2000
Abbildung 44: Gebäudeextraktion aus Fernerkundungsdaten nach HOFMANN (2005) verändert und
erweitert.
Hier sei die Verwendung des 3D Hough Transform-Verfahrens (z. B. VOSSELMANN &
DIJKAMANN, 2001; ODA ET AL., 2004) zur Lokalisierung der Dachflächen genannt. Auch HOFMANN & SCHWALBE (2004), verwenden diesen, um die TIN-Struktur-Parameterräume zu analysieren.
PERERA & MAAS (2012) wenden den Dijkstra-Algorithmus an, um die Dachkonstruktion aus
Laserscannerdaten zu erstellen. Zuerst ist die Klassifizierung der Laserscanpunkte in Dachund Vegetationspunkte sehr wichtig. Der Algorithmus versucht den möglichst kürzesten, geschlossenen Kreislauf der Steglinien des Daches zu selektieren und wendet diese Zyklen zur
51
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Befestigung der Steglinienschnittpunkte an. Es handelt sich um eine regelbasierte Extraktionsstrategie für die Erfassung von planaren Dachflächen. Schwierigkeiten machen Flachdächer mit Aufbauten, bzw. Dachaufbauten werden bei diesem Verfahren nicht berücksichtigt.
Eine weitere Methode ist die Erhebungs- und Zufallsstichprobenübereinstimmung (RANdom
SAmpling Consensus algorithm = RANSAC), die z. B. von AMERI & FRITSCH (2000) oder
BRENNER (2000) für das Auffinden der Dachflächen eingesetzt wird.
Ein weiterer Ansatz stellt der Algorithmus zum Regionen-Wachstum (Region growing
algorithm) dar. Hier werden alle Pixel erfasst, die zu einer Fläche passen (ROTTENSTEINER &
BRIESE, 2003); ausgehend von einer Samenregion wird ein Flächenwachstum durch die
Neuberechnung der umliegenden Nachbarpunkte und der Berechnung des Homogenitätsverhältnisses zur Ausgangsregion bewirkt. Ausgangsdatensatz ist ein regelmäßiger DOMRasterdatensatz. AMERI & FRITSCH (2000) verwenden hierfür ein Voronoi-Diagramm. Darüber werden zwischen allen zwei Nachbarflächen die Gemeinsamkeiten bestimmt (Mittelwert
(intersection) oder Schnittkante (step edge) oder beides zusammen).
Der vierte Ansatz verwendet den Douglas-Peucker-Algorithmus mit der Vorgabe, zunächst
das Gebäude über die Fassade zu konstruieren, bevor der Dachaufbau studiert wird. Es
werden Gebäudeformpolygone entsprechend der Fassaden erzeugt (WANG ET AL., 2006;
TARSHA-KURDI ET AL., 2007).
TARSHA-KURDI ET AL. (2007) vergleichen über einen modellierten Referenzgebäudedatensatz
im Untersuchungsraum der Stadt Straßburg die verschiedenen Algorithmen in den modellund datengetriebenen Ansätzen und bewerten die zu erreichende Genauigkeit und Zuverlässigkeit. Der modellgetriebene Ansatz betrachtet die gesamte Punktwolke innerhalb des Gebäudebereichs und ermöglicht eine schnelle Bearbeitungszeit. Der datengetriebene Ansatz
betrachtet die Punktwolken von jedem Gebäudeteil, um das realitätsnächste vielflächige Gebäudemodell zu erhalten. Dieser Verfahrensansatz benötigt eine längere Bearbeitungszeit.
Als Ergebnis geben TARSHA-KURDI ET AL. (2007) an, dass ein realitätsgetreueres Ergebnis
über das datengetriebene Verfahren gemäß dem Originalgebäude erreicht wird, wenn die
Punktwolke relativ gleichmäßig verteilt ist und die Punktdichte in der Relation der zu extrahierenden Gebäudeelemente (Gebäudedach und Dachstrukturen) steht. Hinsichtlich der Modellgenauigkeit kann nicht pauschal gesagt werden, dass der modellgetriebene Ansatz der
genauerer gegenüber dem datengetriebenen Ansatz ist. Die Modellgenauigkeit ist mehr davon abhängig, welcher Algorithmus in der 3D-Modellierung innerhalb der zwei Ansätze verwendet wird, als von dem Ansatz, daten- oder modellgetrieben, an sich. Die Gefahr, ein deformiertes Gebäude zu konstruieren, ist im datengetriebenen Ansatz geringer, da dieser von
einer unspezifizierten Gebäudeform ausgeht, die sehr unterschiedlich sein kann.
HOFMANN (2005) entwickelt eine Methode zur automatischen Rekonstruktion von 3DGebäudemodellen aus Flugzeuglaserscandaten. Dazu wurden Regelungen und Bedingungen erstellt, die eine vollautomatische und robuste Arbeitsweise sowie eine flexible und praktikable Nutzung gewährleisten sollen. Es werden Punktwolken verwendet, welche mittels
52
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
einer Vorsegmentierung aus dem gesamten Laserscandatensatz extrahiert werden und jeweils nur ein Gebäude beinhalten. Die Punktwolken werden dann separat analysiert. Eine
2,5D-Delaunay-Dreiecksvermaschung (TIN) wird in jede Punktwolke gerechnet. Für jedes
Dreieck dieser Vermaschung werden die Lageparameter im Raum (Ausrichtung, Neigungsgrad und senkrechter Abstand der Ebene des Dreiecks zum Schwerpunkt der Punktwolke)
bestimmt und in einen Parameterraum aufgetragen. Im Parameterraum bilden diejenigen
Dreiecke Gruppen, welche sich im Objektraum auf ebenen Flächen befinden. Mit der Annahme, dass sich ein Gebäude aus ebenen Flächen zusammensetzt, dient die Identifizierung von Clustern im Parameterraum der Detektierung dieser Flächen. Um diese Gruppen/Cluster aufzufinden, wurde eine Clusteranalysetechnik genutzt. Über die detektierten
Cluster können jene Laserscanpunkte im Objektraum bestimmt werden, die eine Dachfläche
formen. In die Laserscanpunkte der somit gefundenen Dachflächen werden Ebenen interpoliert. Alle abgeleiteten Ebenen gehen in den entwickelten Rekonstruktionsalgorithmus ein,
der eine Topologie zwischen den einzelnen Ebenen aufbaut. Anhand dieser Topologie erhalten die Ebenen „Kenntnis“ über ihre jeweiligen Nachbarn und können miteinander verschnitten werden. Der fertigen Dachgestalt werden Wände zugefügt und das komplette 3DGebäudemodell wird mittels VRML (Virtual Reality Macro Language) visualisiert. Diese Studie bezieht sich neben der Entwicklung eines Schemas zur automatisierten Gebäuderekonstruktion auch auf die Ableitung von Attributen der 3D-Gebäudemodelle. Die entwickelte Methode wurde an verschiedenen Flugzeuglaserscandatensätzen getestet. Es wird gezeigt,
welche Potenziale und Grenzen die entwickelte Methode bei der Bearbeitung dieser verschiedenen Laserscandatensätze hat.
TSE ET AL. (2008) entwickelten ein Verfahren, was lediglich mit Laserscandaten ohne Gebäudegrundrisse und ohne vordefinierte Gebäudemodelle sowohl das Gebäude lokalisiert
und separiert als auch die Konstruktion der Gebäudewand und des Daches vornimmt. Hier
werden die vorwiegende Dachform und die bestehenden planaren Dachseiten konstruiert,
Dachaufbauten werden in diesem Modell nicht abgeleitet.
HOFMANN & SCHWALBE (2004) erörtern in ihrem Beitrag zwei weitere Methoden, die automatisch 3D-Gebäudemodelle aus Punktwolken von Flugzeuglaserscandaten generieren. Die
erste Methode, Parameterraum-Methode genannt, basiert auf der Analyse der Lageeigenschaften von 2,5D-Maschen einer in die Punktwolke gerechneten TIN-Struktur. Die andere
Methode, kurz Linienmethode genannt, ermittelt die Ausrichtung eines Gebäudes und nutzt
spezifische Orthogonalprojektionen der Punktwolke zur Bestimmung der Dachflächen.
Die beiden Verfahrensansätze sind grundverschieden und arbeiten unabhängig voneinander.
Mit den erhobenen Untersuchungen soll gezeigt werden, inwieweit mit den vorgestellten Methoden Gebäudemodelle aus Flugzeuglaserscandaten erstellt werden und ob diese in Vollständigkeit und Genauigkeit mit photogrammetrisch bestimmten Modellen konkurrieren können. Sollte dies der Fall sein, wären sie auch eine Grundlage für die Generierung eines 3DStadt- oder Landschaftsmodells und zudem zur automatisierten Kartenaktualisierung nutzbar. Das Ergebnis zeigt, dass es über beide Methoden möglich ist, eine große Anzahl an
53
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Gebäuden in kurzer Zeit erfolgreich zu berechnen. Die erreichten Ergebnisse sind als positiv
zu beurteilen, da in Gebieten mit wenig komplexer Gebäudestruktur eine Erfolgsquote von
70% erreicht werden konnte. Komplexe Gebäudestrukturen können prozessiert werden, allerdings liegt hier die Erfolgsquote niedriger. Die geometrische Genauigkeit der Modelle entspricht mindestens der der photogrammetrisch bestimmten Modelle. Der visuelle Vergleich
zeigt, dass korrekt modellierte Gebäude sich in Höhe und Ausrichtung sehr gut in die Punktwolke einpassen. In der photogrammetrischen Auswertung sind dagegen auffällige Dachhöhen- und Neigungsunterschiede zu sehen. Ein Vergleich zu klassisch terrestrisch gemessenen Gebäudekanten weist eine absolute Lagegenauigkeit im Bereich des
Laserscannerpunktabstandes und eine Höhengenauigkeit von ca. 10 cm aus (HOFMANN &
SCHWALBE 2004).
Zusammenfassend zum Kapitel „Stand der Technik“ kann hier aufgeführt werden, dass bisher kein Verfahren existiert, welches die Zielsetzungen dieser Arbeit erfüllt. Sowohl in der
Gebäudemodellierung als auch in den Verfahren zur Solarpotenzialanalyse sind Defizite gegenüber der Zielsetzung dieser Arbeit herausgestellt worden.
Die Zielsetzung der 3D-Gebäudemodellierung liegt in der ansehnlichen, automatisierten
Konstruktion des Gebäudes als 3D-Modell. Im LoD2-Standard sind nur die überwiegenden
Dachflächen und maximal große Dachaufbauten enthalten, kleine Dachaufbauten wie Gauben oder Schornsteine werden zum Vorteil der Automatisierung rausgerechnet.
In der Gebäudemodellierung nach LoD2-Standard über Laserscanner- und Grundrissdaten
bestehen zwei unterschiedliche Methodenansätze. Zum einen wird nach Gebäudekategorien
klassifiziert und es werden nur einfache Gebäudeformen abgeleitet, zum anderen werden
eine Detektion und Gruppierung aus der Punktwolke zur Bestimmung von Dachteilflächen
vorgenommen. Der modellgetriebene Ansatz generalisiert die Dachform u. U. stark. Dachstrukturen sind in diesem Methodenansatz nicht berücksichtigt und können auch nicht modellgetrieben abgeleitet werden. Dafür ist jede Dachstruktur (Gaube, Schonstein etc.) individuell dem Dach angepasst und mit keiner Vorlage überein zu bringen. Der datengetriebene
Ansatz besitzt noch Defizite im vollautomatisch ablaufenden Vorgang mit großen Datenmengen.
Die bestehenden Verfahren zur Solarpotenzialanalyse basieren entweder auf Gebäudemodellen nach LoD2-Standard und generalisieren damit die Dachflächen derart, das nur größere Dachaufbauten und keine kleinen Strukturen separat abgebildet und berücksichtigt werden (Geoplex 2012; Simuplan 2012), oder die Potenzialwerte werden für das gesamte Dach
errechnet und ausgegeben und nicht differenziert nach Teildachfläche (Klärle 2011).
Die Autorin dieser Arbeit entwickelt ein eigenes Verfahren zur Ableitung der Dachteilflächen
unter Berücksichtigung der Dachstrukturen. Für die zu behandelnde Fragestellung erscheint
der datengetriebene Ansatz und hier im Detail der „region growing“ (Regionen-Wachstum)Algorithmus den Anforderungen, die an die Solarpotenzialanalyse gestellt werden, am
nächsten zu kommen. Kleine Dachstrukturen werden nicht rausgerechnet, sondern separiert,
als Einzelflächen analysiert und ausgeben. Das im Rahmen der Arbeit entwickelte Verfahren
54
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
wird als „Mehrfach-Thresholding“ bezeichnet und ermöglicht eine Differenzierung der Dachteilflächen in Abhängigkeit der Dachneigung und Dachausrichtung. Eine Glättung der durch
Lage- und Höhenabweichung in den Laserscandaten verursachten Streuung innerhalb der
homogenen Dachfläche wird durch die hintereinander ausgeführten Thresholding-Vorgänge
und den immer wieder errechneten Median-Werten erreicht.
55
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
3
Referenzdaten
3.1
Gebäudegrundrisse (ALK/ALKIS, Hausumringe)
Gebäudeumringe, die das aufgehende Mauerwerk und damit den Gebäudegrundriss abbilden, waren bis zur Umstellung auf ALKIS (amtliches Liegenschaftskatasterinformationssystem) mit Ausnahme von Bayern in allen Bundesländern Bestandteil der amtlich geführten
„automatisierten Liegenschaftskarte“ (ALK). In Bayern wurden die Liegenschaftsinformationen in der digitalen Flurkarte (DFK) vorgehalten. Seit 2010 findet auf Grundlage der Rahmenvereinbarung der AdV (Arbeitsverwaltung der Vermessungsverwaltungen) (ADV 2013) in
den Bundesländern die Umstellung auf ALKIS statt, im Rahmen dessen zukünftig auch die
Gebäudeumringe geführt werden.
Die Gebäudeumringdaten besitzen zum Teil eine hohe Lagegenauigkeit, da sie ab einem
bestimmten Jahr auf Daten der Einmessung der Gebäude beruhen. Die Pflicht der Einmessung unmittelbar nach dem Hausbau wurde in den einzelnen Bundesländern zu unterschiedlichen Zeitpunkten eingeführt. Gebäude aus davor liegenden Zeiten werden entweder vom
Vermessungsamt eingemessen, oder aus analogen Karten oder Luftbildern abdigitalisiert
und verfügen gegebenenfalls über eine geringere Lagegenauigkeit.
3.2
Laserscandaten
Für die Methodenentwicklung und Bewertung von Laserscandaten für die Solarpotenzialanalyse standen unterschiedliche Datensätze zur Verfügung (siehe Tabelle 7 und Tabelle 8). Die
Grundlagendaten werden für zwei Zielformulierungen detailliert ausgewertet und bewertet.
Bei den zur Verfügung stehenden Laserscandaten handelt es sich um ungleichmäßig verteilte Rohdatenpunktwolken, reduziert auf first- und only-Pulse Punkte und bereits um Ausreißer
bereinigt.
Tabelle 7 listet die Referenzdaten auf, die für die Methodenentwicklung und Berechnung des
Solarpotenzials verwendet wurden. In Tabelle 8 sind die Daten aufgeführt, die zur Bewertung
der Laserscandatenqualität ausgewertet wurden.
56
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Tabelle 7: Referenzdatensätze für die Methodenentwicklung mit Angabe zu Sensor, Befliegungsdatum und geforderter Punktdichte pro m²
Geforderte
Quelle der Informationen
Befliegungsort
Sensor
UG 1
STADT
OSNABRÜCK 2005
Osnabrück
LMS-Q560
Riegel
Juli 2005
oszillierender Spiegel
4
UG 2
STADT
OSNABRÜCK 2011
Osnabrück
LMS-Q560
Riegel
April 2011
oszillierender Spiegel
10
UG 3
BEZIRKSREGIERUNG KÖLN 2013
Gelsenkirchen
ALTM - 3100
Optech
Jan 06
oszillierender Spiegel
1
Braunschweig
ALTM-1225
Optech
07.04.2003/ 23.11.2003
oszillierender Spiegel
1-2
TopoSys
April - Mai 2006
Glasfaser
4
UG 4
STADT
BRAUN-
SCHWEIG 2007
Hersteller
Befliegungsdatum
Prinzip
Punktdichte
pro m²
UG 5
STADT W IESBADEN
2009
Wiesbaden
Falcon II
UG 6
BEZIRKSREGIERUNG KÖLN 2013
Troisdorf
ALTM Gemini
Optech
2007
oszillierender Spiegel
1
UG 7
BEZIRKSREGIERUNG KÖLN 2013
LK Rhein-Sieg
LMS-Q560
Riegel
2006
oszillierender Spiegel
1
UG 8
IP
2011
SYSCON
Bad Bentheim
ALTM - 3100
Optech
Mai 2011
oszillierender Spiegel
2
UG 9
STADT
2006
DRESDEN
Dresden
ALTM - 3100
Optech
4/2006
oszillierender Spiegel
1-2
UG 10
BEZIRKSREGIERUNG KÖLN 2013
Bielefeld
ALS-5083
Leica Geosystems
Frühjahr 2008
oszillierender Spiegel
1
57
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Tabelle 8: Referenzdatensätze zur Bewertung der Laserscandatenqualität mit Angaben der Flugparameter
Hersteller
Lasermessrate
[Hz]
max
Scanwinkel
+- deg
Optech
13.12.2002
25.000
12/20
32/25
Scanfre
-quenz
[Hz]
Flughöhe
über
Grund
[m]
mittlere
Fluggeschwindig
keit
[km/h]
mittlere
Streifenbreite
[m]
Geformittlerer
derte
StreifenPunktabstand
dichte
[m]
pro m²
1000
252
425/728
200/300
1
Datenblatt
Quelle
nen
1
Dresden
Stadt Dresden 2009
ALTM
3100
2
Osnabrück
STADT OSNABRÜCK 2006
LMS-Q560
Riegel
Juli 2005
100.000
22,5
66
600
183,6
476
240
3-4
3
Spich (U510823)
BEZIRKSREGIERUNG
2013
KÖLN
LMS Q560
Riegel
09.01.2006
86.000
25
66
600
184
495
297
1
4
Altenrath
(U510914)
Ost BEZIRKSREGIERUNG
2013
KÖLN
LMS Q560
Riegel
09.01.2006
86.000
25
66
600
184
495
297
1
5
Donrath (U510915)
BEZIRKSREGIERUNG
2013
KÖLN
LMS Q560
Riegel
09.01.2006
86.000
25
66
600
184
495
297
1
6
Lohmar
(U510926)
Süd BEZIRKSREGIERUNG
2013
KÖLN
LMS Q560
Riegel
09.01.2006
86.000
25
66
600
184
495
297
1
7
Neunkirchen
(U511019)
Ost BEZIRKSREGIERUNG
2013
KÖLN
LMS Q560
Riegel
09.01.2006
86.000
25
66
600
184
495
297
1
8
Troisdorf (U510830)
BEZIRKSREGIERUNG
2013
KÖLN ALTM
Gemini
Optech
19.12.2007
100.000
25
100
1000
240
1000
720
1
9
Münster
BEZIRKSREGIERUNG
2013
KÖLN ALTM
Gemini
Optech
18.12.2007
100.000
25
40
1000
240
1000
720
1
10
Bielefeld (391721)
BEZIRKSREGIERUNG
2013
KÖLN
30.03.2008
68.200
30
32
1300
230
700
550
1
11
Bielefeld (391727)
BEZIRKSREGIERUNG
2013
KÖLN
17.02.2008
68.200
30
32
1300
230
700
550
1
12
Osnabrück
STADT OSNABRÜCK 2011
April 2011
150.000
30
52
600
183,6
692
130
10
Nr.
der Informatio-
Befliegungsdatu
m
Sensor
ALS50-83
ALS50-83
LMS-Q560
-
Leica
Geosystems
Leica
Geosystems
Riegel
58
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Für das Stadtgebiet Osnabrück wurden 2005 und 2011 Laserscandaten erfasst. Der Sensor
ist gleich geblieben, die Punktdichte pro m² hat sich von 3 - 4 Pkt/m² auf 10 Pkt/m² erhöht.
Die erste Befliegung 2005 fand im belaubten Zustand statt, die Erfassung 2011 wurde im
unbelaubten Zustand umgesetzt. Mit beiden Datensätzen ist eine Solarpotenzialanalyse
durchgeführt und die Qualität der Laserscandaten und die darüber erzielten Ergebnisse des
Solarpotenzials bewertet worden. Es handelt sich bei dem Datensatz aus 2005 um 520 Mio.
Punktdatensätze, als Erfassungsergebnis 2011 sind 3392 Mio. Datensätze aufgenommen
worden.
Tabelle 9: Datenparameter der Laserscanerfassung Stadt Osnabrück aus der Befliegung 2005 und
2011
Befliegung
2005 (STADT OSNABRÜCK 2006)
2011 (STADT OSNABRÜCK 2011)
System
LMS-Q560
LMS-Q560
Hersteller
Riegel
Riegel
Aufnahmedaten
12.-13. Juli 2005
07.-09.02.2011
Flughöhe
600 m. ü. Grund
600 m. ü. Grund
Streifenbreite
497 m
692 m
Punktdichte
3-4 Pkt/m²
10 Pkt/m²
Lage- /Höhengenauigkeit
0,15 m/  0,50 m
0,15 m/  0,50 m
Punktanzahl
520 Mio
3.392 Mio
3.3
Referenzdaten zur Genauigkeitsbewertung
3.3.1 Baupläne Stadt Osnabrück
Als exakte Referenz wurden Baupläne eines Neubaugebiets innerhalb der Stadt Osnabrück
hinzugezogen. Es handelt sich um 45 Referenzgebäude, deren Dachparameter wie Dachneigung, Dachausrichtung und Dachflächengröße aus den Bauplänen der Gebäude ausgelesen wurden.
59
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 45: Referenzgebiet Stadt Osnabrück „Auf dem Klee“, die roten Gebäudegrundrisslinien
markieren die Referenzgebäude
3.3.2 Manuelle Neigungs- und Ausrichtungsmessung Stadt Braunschweig
Abbildung 46: Referenzgebiet Stadt Braunschweig. Erfassung der Dachneigung und Dachausrichtung
von Gebäuden zweier Straßenzüge (rote Straßenlinien) (Datenquelle: STADT BRAUNSCHWEIG 2007)
60
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Im Sommer 2007 wurde über eine Vor-Ort-Begehung die Dachneigung über die Geodreieckmethode (siehe Kapitel 4.10.2) von 30 Gebäuden zweier Straßenzüge eines Wohngebietes in der Stadt Braunschweig aufgenommen und liegt für die Bewertung der Neigungsgenauigkeit vor. Für diese Gebäude wurde zudem die Dachausrichtung aus den Gebäudeumringen der ALK über die Winkelmessung des Dachtraufenverlaufs bestimmt und fließt in die
Ausrichtungsbewertung ein.
3.3.3 Strahlungsdaten von PVGIS
Zur Evaluierung der errechneten Globalstrahlung auf die Dachteilfläche werden Strahlungsdaten aus der Datenbank PVGIS hinzugezogen. Die Bewertung erfolgt für das Referenzgebiet Stadt Osnabrück, „Auf dem Klee“. Es werden die errechneten Einstrahlungswerte und
die PVGIS-Werte entsprechend der Dachausrichtung und -neigung aus der Berechnung zu
Grunde gelegt. Es kommen PVGIS-Werte aus unterschiedlichen Bezugszeiträumen (PVGIS
und PVGIS 2.0) zum Einsatz.
3.3.4 Leistungsdaten bestehender PV-Anlagen Stadt Dresden
Für das Stadtgebiet Dresden lagen die Anlagen- und Leistungsdaten aus 2009 – 2011 von
11 Photovoltaik-Anlagen vor. Anlage Nr. 10 ist nicht verwendbar und fällt aufgrund anderer
Rahmenbedingungen als in der Berechnung raus. Es handelt sich um in Tabelle 10 aufgeführte Anlagenleistungen und Stromerträge.
Tabelle 10: Anlagen- und Ertragsdaten der Photovoltaik-Referenzanlagen Stadt Dresden (STADT
DRESDEN 2011)
Anlagen-
kWp-
Strom in
Nr
Leistung
kWh (2009)
1
7,4
7.132
964
7.245
979
8.580
1.159
2
9,9
8.405
849
8.443
853
10.071
1.017
3
5,4
3.694
684
3.468
642
4.031
746
4
8,5
6.805
801
6.400
753
7.699
906
5
4,7
4.170
887
3.499
744
4.100
872
6
29,7
29.970
1.009
28.710
967
32.104
1.081
7
89,3
88.579
992
78.649
881
93.344
1.045
8
192,2
159.697
831
161.781
842
177.478
923
9
2,9
2.586
892
2.478
854
2947
1.016
10
28,8
24.086
836
21.389
743
24.728
859
11
1,8
1.609
894
1.492
829
1.808
1.004
kWh/ kWp
Strom in
kWh (2010)
61
kWh/ kWp
Strom in
kWh (2011)
kWh/ kWp
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
4
Methodenentwicklung zur Ermittlung des
Solarenergiepotenzials
4.1
Algorithmenentwicklung
Das Erzeugen von 3D-Stadtmodellen und damit das Modellieren von 3D-Gebäudemodellen
findet zunehmend Verbreitung. Hintergrund der zunehmenden Entwicklung von virtuellen 3DStadtmodellen ist die bessere Vermittlung und ein gesteigertes Verständnis räumlicher Zusammenhänge darüber. Die Virtual Reality ermöglicht das Betrachten und Durchwandern
des Stadtmodells aus verschiedenen Perspektiven. Zudem kann es als Grundlage weiterer
Analysen und Situationsdarstellungen dienen (WEITZIG 2007).
Zu deren Detektion und Modellierung wurden verschiedene, in Ansätzen vollautomatische
Verfahren entwickelt (s. z. B. BRENNER 2002; JANSA & STANEK 2003; STEINLE 2005). Für die
Gebäudemodellierung ausschließlich aus Laserscan- und Grundrissdaten existieren Methoden, die entweder nach Gebäudekategorien klassifizieren und nur einfache Gebäudeformen
darstellen können oder die eine Detektion und Gruppierung aus der Punktwolke zur Bestimmung von Dachteilflächen vornehmen (siehe Kapitel 2.3.2).
Nicht die grafisch anschauliche Darstellung des Gebäudedaches ist Ziel der Methodenentwicklung dieser Arbeit, sondern die detaillierte Ausgabe des Solarenergiepotenzials pro
Dachteilfläche, in dem auch kleine Dachstrukturen Berücksichtigung finden. Im Vordergrund
steht der Anspruch, eine vollautomatische, GIS-gestützte Methode, anwendbar auf große
Datenmengen, zu entwickeln, um das Solarpotential für große Gebiete berechnen zu können.
Das entwickelte Verfahren dieser Arbeit gliedert sich in sechs Verfahrensschritte (LUDWIG ET
AL. 2008; LUDWIG ET AL. 2009).
An Eingangsdaten werden neben den Laserscanrohdatenpunkte, Gebäudeumringe und örtliche Strahlungsdaten benötigt.
I. Die Datenaufbereitung beinhaltet die Bereinigung der ungleichmäßig verteilten Laserdatenpunktwolke und die Interpolation in ein gleichmäßiges Raster. An dieser Stelle
werden die Anforderungen an Laserscandaten in Punktdichte, Genauigkeit und Sensoreigenschaft definiert und Grenzen dieser hochauflösenden Daten aufgezeigt. Das
verwendete Interpolationsverfahren hat Einfluss auf die Abbildung der Gebäudegeometrie im DOM.
II. Der zweite Verfahrensschritt beinhaltet die Selektion der homogenen Dachteilflächen.
Dazu dienen Neigungs- und Expositionsraster, die die Dachflächen hinsichtlich ihrer
Einheitlichkeit über diese beiden Parameter in Polygone zerlegen. Ein iterativer Pro62
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
zess, hier als Mehrfach-Thresholding bezeichnet, bildet über mehrfach veränderte
Schwellwertgrenzen eine homogene Region, zunächst jeweils separat für den Neigungs- und Ausrichtungsparameter. Eine abschließende Verschneidung der homogenen Dachteilflächen beider separaten Parameter lässt homogene Dachteilflächen entstehen, die sowohl in Neigung als auch in Ausrichtung gleich sind. Abschließend wird
für jedes Dachteilflächenpolygon die Zuweisung der absoluten Dachneigung und
Dachausrichtung vorgenommen.
III. Die Einstrahlungsanalyse berücksichtigt flächendeckend alle Einflussfaktoren, wie Vegetation, Topografie und Dachstrukturen, die die Einstrahlungssumme auf die Dachfläche beeinflussen können. Der „Solar Radiation“ (FU & RICH 2000, 2002) von ESRI und
das Tool „r.sun“ (HOFIERKA & ŠÚRI 2002) von GRASS bieten zwei Algorithmen. Das Ergebnis der Einstrahlungsanalyse liefert für jede Rasterzelle auf dem Gebäudedach eine
Jahreseinstrahlungssumme in kWh/m². Zudem wird die direkte und diffuse Einstrahlungsmenge pro Jahr in kWh/m² ausgegeben. Die stark abgeschatteten Dachflächenbereiche werden über eine Schwellwertoperation auf Basis der direkten Einstrahlung
als separater Polygondatensatz erzeugt.
IV. Der vierte Verfahrensschritt separiert die stark verschatteten Bereiche aus dem homogenen Dachteilflächenpolygon und errechnet über eine Mittelwertbildung pro homogener, unverschatteter Dachteilfläche die Jahreseinstrahlungssumme in kWh. Hier finden
Map Algebra-Funktionen zur statistischen, zonalen Auswertung ihre Anwendung.
V. Für jede Dachteilfläche liegen die Informationen vor, die für die abschließende Solarpotenzialberechnung notwendig sind.
Pro homogener Dachteilfläche:

Mittlere solare Einstrahlung als Jahressumme in kWh

2D-Polygonfläche in m²

Neigung des Daches in Grad

Ausrichtung des Daches in Grad
Über die Winkelfunktion wird auf Grundlage der Dachneigung und der 2D-Dachfläche
die 3D-Dachflächengröße errechnet. Aufgrund der zeitweise rasterbasierten Modellierung besitzt das Ergebnispolygon keine geraden Begrenzungslinien, sondern
getreppte Kanten, die die Pixelauflösung darstellen. Hier findet ein geringer Flächenverlust statt, der durch Bewertungen errechneter Ergebnisse im Vergleich zu Referenzdaten aufgezeigt wird.
Über die reale Dachflächengröße und die Jahreseinstrahlungssumme werden die Solarpotenziale wie der Gesamtstromertrag, der spezifische Stromertrag, die CO2Einsparsumme, die KWp-Leistung und das Investitionsvolumen berechnet.
63
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
VI. Eine parallel ablaufende Rohdatenkontrolle der Laserscandaten ermittelt die Punktdichte und Punktverteilung pro Gebäudegrundrissfläche. Datenaussetzer können so aufgefunden werden, die möglicherweise zu größeren Abweichungen in der Solarpotenzialberechnung führen. Die hier selektierten Gebäude erhalten eine Zusatzklassifizierung
mit der Bezeichnung „Grobschätzung“ oder „nicht berechenbar“.
64
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 47: Schematische Darstellung des Verfahrensablaufs zur Solarpotenzialberechnung
65
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
4.2
Datenaufbereitung und Qualitätsüberprüfung der Laserscandaten
Verfahrensschritt I. befasst sich mit der Aufbereitung der Laserscandaten und der Gebäudeumringe und wird in diesem und dem nachfolgenden Kapitel beschrieben.
Abbildung 48: Darstellung der Berechnungsschritte im Verfahrensschritt I
Grundlage sind Laserscanrohdaten, die die Strukturen der Geländeoberfläche mit hoher Genauigkeit und großem Detaillierungsgrad abbilden und eine automatisierte Analyse ermöglichen. Einfluss auf die Qualität des Ergebnisses hat nicht nur die vorliegende Punktdichte,
sondern auch der verwendete Sensor und die Flugparameter. So spielen Scanlinienmuster,
Scanfrequenz, Flughöhe oder Streifenbreite eine entscheidende Rolle. An die in zunehmendem Maße von den Landesvermessungsämtern in Deutschland aufzunehmenden ALSDaten werden heute gewisse Anforderungen gestellt, was insbesondere die Qualität dieser
Daten auf Dachflächen anbelangt (siehe Kapitel 2.2).
Die Lokalisierung der Gebäude erfolgt über Gebäudeumringe aus den Liegenschaftsdaten.
Die hochauflösenden Laserscandaten werden über eine rasterbasierte Modellierung zur Ermittlung der Standortparameter wie Dachneigung, Dachausrichtung, Verschattung, Einstrahlungsenergie und Dachflächengröße ausgewertet.
Die ungleichmäßig verteilte Rohdatenpunktwolke des first und only pulse ist i. d. R. durch die
Erfassungsfirma bereinigt und georeferenziert worden und liegt als ASCII- oder dem speziell
für die Speicherung von dreidimensionalen Punktdaten, insbesondere umfangreiche Laserscandaten, entwickelten LASer (LAS) File Format vor. Die Daten beinhalten Informationen zu
x, y, z und ggf. der Signalstärke. Eine Klassifizierung in Boden- und Nicht-Bodenpunkte des
first und only pulse ist für die Solarpotenzialanalyse nicht notwendig.
Folgende Arbeitsschritte zur Aufbereitung der Laserscandaten werden vorgenommen:

Berechnung der tatsächlichen Punktdichte der Rohdaten (first und only pulse) innerhalb der Gebäudeumringe
66
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten

Interpolation zu einem digitalen Oberflächenmodell je nach Punktdichte der Rohdaten
in ein 0,25 m² oder 1 m² Raster.
Die Qualität eines auf Basis der Punktwolke abgeleiteten Oberflächenmodells hängt grundsätzlich von der Methode der Datenerfassung, der räumlichen Dichte und letztendlich dem
eingesetzten Interpolationsverfahren ab.
Nachfolgend werden die zwei Datenaufbereitungsschritte genauer dargestellt. Die Berechnung der tatsächlichen Punktdichte wird durch Erzeugung eines Count-Rasters für eine
1 x 1 m Rasteraufteilung vorgenommen. Darüber lassen sich die reale Punktdichte und deren Verteilung innerhalb des Untersuchungsgebiets aufzeigen (siehe dazu Kapitel 4.8).
Abbildung 49: Darstellung eines Count-Rasters in Grauwertdarstellung zur Visualisierung der
Punktdichten pro 0,25 m²
Das Interpolationsverfahren hat maßgeblich Einfluss auf die Abbildung der Gebäudestrukturen im DOM. Jedes Modell ist eine Annäherung an die Wirklichkeit und je nach Art der zu
interpolierenden Sachdaten in die Fläche sieht die Wirklichkeit anders aus. Detaillierte Beschreibungen zu den mathematischen Verfahren der unterschiedlichen Interpolationsverfahren finden sich in der Literatur z. B. bei BARTELME (1995); BURROUGH & MCDONNELL (1998)
und KRAUS (1984). Es gibt kein „bestes“ Interpolationsverfahren, es gibt bessere oder
67
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
schlechtere für das Modellieren eines spezifischen Problems. Die Qualität der Interpolation
hängt primär von der Dichte, der Anordnung und der Genauigkeit der gemessenen Daten ab.
Im digitalen Oberflächenmodell bilden die Geländeoberflächenstrukturen (Gebäude, Vegetation) die Elemente, die in einer möglichst realitätsnahen Abbildung dargestellt werden müssen. Gebäudeformen sind keine natürlichen Elemente, sie besitzen stark ausgebildete
Bruchkanten, die sich bis hin zu rechtwinklig angeordneten Ebenen auf kleinem Raum darstellen. Die kleinflächigen Dachaufbauten gilt es differenziert und in möglichst realen Dimensionen abzubilden. AREFI (2009) führt einen Vergleich von Interpolationsverfahren zur DOMBerechnung aus Laserscandaten für die Umsetzung eines 3D-Stadtmodells durch. Er wendet Nearest Neighbor (NN) und Inverse Distance Weighting (IDW) an. Sein Ergebnis zeigt,
dass IDW eine Glättung der Gebäudekanten vornimmt. NN gibt die Gebäudekanten exakter
wieder. Alle Pixel, die an den Gebäuderändern liegen, haben fast die gleichen Höhenwerte
mit einem bestimmten Höhensprung. Für die Anforderungen einer möglichst realitätsnahen
Gebäude- bzw. Dachabbildung ist ein abruptes, exakt und lokal arbeitendes Verfahren zu
verwenden. Es wird sich in der Untersuchung auf deterministische Verfahren beschränkt.
Anhand von Laserscandaten der Stadt Osnabrück aus den Erfassungen 2005 und 2011
werden DOM’s mit unterschiedlichen Verfahren und Zellgrößen interpoliert und ausgewertet.
Zur Anwendung kommen:

Nearest Neighbor (NN)

Inverse Distance Weighting (IDW)
In den Rastergrößen:

1x1m

0,5 x 0,5 m
4.3
Datenaufbereitung zur Extraktion der Dachflächen aus den
Laserscandaten
Verfahrensschritt I. befasst sich zudem mit der Extraktion der Dachflächen aus den Laserscandaten. Die Lokalisierung der Gebäude erfolgt über die Gebäudeumringe aus den
ALK/ALKIS-Daten. Die Gebäudeumringe geben die Lage der Gebäudeaußenmauern wieder.
Um Dachüberstände ansatzweise mit zu berücksichtigen, wird eine Pufferung der Gebäudeumringe um 1 m vorgenommen. Der gepufferte Datensatz dient als Maske für die einzelnen
Analyseschritte. Die Konzentration nur auf den Gebäudebereich wird bei allen Analysephasen bis auf die Einstrahlungsanalyse vorgenommen. Dadurch sind eine Reduzierung der zu
verarbeitenden Datenmenge und damit eine zeitliche Einsparung gegeben.
68
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Der Datensatz der Gebäudeumringe wird zeitlich an den Stand der Laserdatenerfassung
angepasst, um neue, nach der Laserdatenerfassung gebaute Gebäude im Vorfeld herauszufiltern.
Die Verwendung der Liegenschaftsinformation bewirkt eine Integration der Sachdaten, um
später umfangreiche Auswertungen der Solarpotenzialanalyseergebnisse nach unterschiedlichsten Kriterien wie Gebäudeart, Gebäudeeigentümer etc. vornehmen zu können.
4.4
Selektion homogener Dachteilflächenbereiche
Verfahrensschritt II. beschäftigt sich mit der Selektion homogener Dachteilflächen. Dies ist
notwendig, um das Dach in seine Teilflächen zu zerlegen und alle Elemente, die die homogene Dachfläche unterbrechen, zu separieren. Dabei ist homogen auch als koplanar zu bezeichnen. Koplanar ist eine Fläche, in der die drei Vektoren linearabhängig sind und in einer
Ebene liegen. Beispielsweise verhalten sich zwei Seitenwände einer Spitzgaube auf einem
Dach windschief zur Hauptdachfläche und bilden zwei parallele Ebenen. Ein geeigneter
Dachbereich für die Installation einer Solaranlage muss koplanar und ausreichend groß sein.
Im Folgenden wird homogen und koplanar synonym verwendet.
Abbildung 50: Darstellung der Berechnungsschritte des Verfahrensschrittes II
Ein Rauschen in den Höhendaten, z. B. durch zur Dachdeckung verwendete verformte Ziegeln, Messfehler, Ausreißer oder Interpolationsfehler, insbesondere an den Gebäudekanten,
macht eine Glättung der Daten notwendig, die so abgestimmt werden muss, dass
Kleinststrukturen, die die Dachteilflächen unterbrechen, nicht heraus gerechnet werden. Die
Glättung wird durch die im ersten Schritt durchgeführte Interpolation hervorgerufen.
Zur Selektion homogener Dachflächenbereiche bewährte sich ein Mehrfach-Thresholding mit
aus den oben beschriebenen Annahmen abzuleitenden Schwellwertbereichen. Schwellwertverfahren sind Segmentierungsverfahren, die zu den wichtigsten Methoden der multivariaten
Datenanalyse oder Mustererkennung numerischer Daten gehören. Diese Verfahren werden
z. B. in der Bildbearbeitung angewendet, um Bildpunkte zugehörigen Segmenten zuzuordnen. Dabei wird ein Pixel zwingend einem Segment zugeordnet; sie sind überdeckungsfrei.
Eingangsdatensatz ist ein DOM; die gepufferten Gebäudeumringe der ALK/ALKIS zur Loka69
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
lisierung der Dachflächen dienen als Maske, um die nachfolgenden Verfahrensschritte auf
diesen Bereich zu beschränken. Die errechneten Neigungs- und Expositionsraster dienen
der Selektion koplanarer Dachteilflächen.
Die Neigung einer Dachfläche lässt sich über den Steigungswinkel bezogen auf die x-Achse
einer Geraden berechnen. Die Neigung bestimmt das steilste Gefälle für eine Stelle auf einer
Oberfläche. Die GIS-Funktion „slope“ bestimmt die maximale Änderungsrate des Wertes
einer Zelle im Vergleich zu ihren acht benachbarten Zellen (DEMERS, 1997). Die Neigungsberechnung wird über ArcGIS nach dem Verfahren von BURROUGH & MCDONNELL, 1998 vorgenommen (LUDWIG ET AL., 2008). Die Dachneigung errechnet sich für jedes Pixel nach:
 dz   dz 
tan(s)      
 dx   dy 
2
Z=
Höhe des Pixels
x, y=
Koordinate des Pixels.
2
(14)
Abbildung 51: Darstellung des Dachneigungswinkels β
Die Exposition (Orientierung zur Himmelsrichtung) bestimmt die steilste Neigungsrichtung
jeder Zelle in Bezug zu ihren Nachbarzellen. Sie kann als Neigungs- oder Kompassrichtung,
in die eine Erhebung zeigt, betrachtet werden (DEMERS, 1997). Die Ausrichtung wird im Uhrzeigersinn in Grad von 0 (genau Norden) bis 360 (wieder genau Norden, nach einem Vollkreis) gemessen. Der Wert jeder Zelle in einem Ausrichtungs-Raster gibt die Richtung an, in
welche die Neigung der Zelle zeigt. Ebene Flächen haben keine Neigungsrichtung. Ihnen
wird der Wert -1 zugewiesen (BURROUGH & MCDONNELL, 1998).
70
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Die Exposition errechnet sich für jedes Pixel:
2
 dz 
 
dx


tan A    2    A  
 dz 
 
 dy 
(15)
Abbildung 52: Darstellung des Ausrichtungswinkels α
Der Ausrichtungswert wird entsprechend in Kompassrichtungswerte (0-360 Grad) konvertiert.
71
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 53: Methodenablauf des Mehrfach-Thresholdings
Über ein Mehrfach-Thresholding-Verfahren werden zunächst separat in der Neigung und
Ausrichtung Dachflächenbereiche segmentiert, auch kleine, durch Dachaufbauten unterbrochene, Einheiten werden separiert. Mit variierten Schwellwertgrenzen führen mehrfach ab72
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
laufende Schwellwertoperationen zu einem Segmentwachstum. Eine immer wieder durchgeführte Neuberechnung des absoluten Neigungs- bzw. Ausrichtungswertes für das homogene
Segment wird dazwischen geschaltet. Aufgrund der vorherrschenden Dachstrukturen wird
insgesamt innerhalb einer Bandbreite von 7° in der Neigung und 89° in der Ausrichtung
gruppiert (siehe Abbildung 53).
Eine abschließende Verschneidung des Neigungs- und Expositionsergebnisses bildet Vektorpolygone, die in Dachneigung und Dachexposition homogen sind.
Nachfolgend werden die Verfahrensschritte, Zwischenergebnisse und Ergebnisse zur Selektion homogener Dachflächen visualisiert und erläutert.
Abbildung 54: Rasterergebnis des ersten Thresholding-Durchgangs der Ausrichtung zur Berechnung
der homogenen Dachteilflächen. Der weiße Kreis auf dem Dach eines Einfamilienhauses markiert in
dieser und den nachfolgenden Abbildungen beispielhaft Veränderungen von Schritt zu Schritt
73
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 55: Rasterergebnis des zweiten Thresholding-Durchgangs der Ausrichtung zur Berechnung
der homogenen Dachteilflächen. Der weiße Kreis auf dem Dach eines Einfamilienhauses markiert in
dieser und den nachfolgenden Abbildungen beispielhaft Veränderungen von Schritt zu Schritt
Abbildung 56: Rasterergebnisse des dritten Thresholding-Durchgangs der Ausrichtung zur
Berechnung der homogenen Dachteilflächen. Der weiße Kreis auf dem Dach eines Einfamilienhauses
markiert beispielhaft Veränderungen von Schritt zu Schritt.
74
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 57: Ergebnisvektordatensatz des Thresholding-Verfahrens zur Berechnung der homogenen
Dachflächen über die Ausrichtung. Die Zahlen geben den Ausrichtungswert in Grad der Dachteilfläche
wieder.
In den Abbildung 54 bis Abbildung 57 sind die Dachteilflächen hinsichtlich der Dachausrichtung eingefärbt. Bruchkanten werden gut erkannt, so dass der Dachfirst und z.B. Spitzgauben oder Schornsteine separiert sind. Mit zunehmendem Thresholding-Durchgang werden
die Teilflächen, Störpixel, z.B. durch Ausreißer mit jedem Durchgang verringert und der
Nachbarfläche mit vergleichbarem Ausrichtungsbereich zugeordnet. Der in der Grafik weiß
integrierte Kreis markiert als Beispiel eine Dachfläche und die Veränderungen nach jedem
Schritt. Hier sind fragmentarische Ausrichtungsänderungen auf der nördlich ausgerichteten
Dachseite zu erkennen, die mit jedem Threshold-Durchgang reduziert werden. Diese stammen von den zwei Schleppgauben, die über die Ausrichtung nicht differenziert erkannt werden und nur in den Randbereichen Ausrichtungsveränderungen andeuten. Im ThresholdVorgang über die Ausrichtung ist es erwünscht, diese fragmentarischen, kleinflächigen Ausrichtungsänderungen zu beseitigen. Schleppgauben weisen nur eine Neigungsdifferenz gegenüber der überwiegenden Dachfläche auf und sind in der Ausrichtung gleich dem Hauptdach. Bei Schleppgauben werden maximal je nach Neigungsunterschied zur Hauptdachfläche die Seitenkanten der Gaube erkannt, da sie eine Ausrichtungsänderung hervorrufen.
75
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Im Rahmen der Selektion der Dachteilflächen über die Ausrichtung werden Flachdächer mit
einer starken Streuung visualisiert. Auf Flachdächern, bzw. ganz schwach geneigten Dachflächen verfügen die Höhenpunkte über minimale Höhendifferenzen, so dass auch hier eine
Ausrichtungsdifferenz zwischen fast jedem Höhenpixel besteht. Eine Flachdachfläche wird
zu diesem Zeitpunkt noch nicht als eine zusammenhängende homogene Dachfläche erkannt. Dies ist erst über das Neigungs-Thresholding möglich (siehe rote Dachbereiche in
Abbildung 58 bis Abbildung 61).
Abbildung 58: Verfahrensschritt eins des Mehrfach-Thresholdings zur Berechnung der homogenen
Dachflächen über die Neigung. Der weiße Kreis auf dem Dach eines Einfamilienhauses markiert beispielhaft Veränderungen von Schritt zu Schritt.
76
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 59: Verfahrensschritt zwei des Mehrfach-Thresholdings zur Berechnung der homogenen
Dachflächen über die Neigung. Der weiße Kreis auf dem Dach eines Einfamilienhauses markiert beispielhaft Veränderungen von Schritt zu Schritt.
Abbildung 60: Verfahrensschritt drei des Mehrfach-Thresholdings zur Berechnung der homogenen
Dachflächen über die Neigung. Der weiße Kreis auf dem Dach eines Einfamilienhauses markiert
beispielhaft Veränderungen von Schritt zu Schritt.
77
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 61: Ergebnisdatensatz des Thresholding-Verfahrens zur Berechnung der homogenen
Dachflächen über die Neigung.
In der Berechnung über die Neigungsinformation werden auch die Bruchkanten, wie der
Dachfirst und die Dachtraufe, sowie Gaubenkanten oder Schornsteine erkannt. Die nach
dem ersten Thresholding-Durchgang noch mit starker Streuung visualisierten, in der Neigung
homogenen Dachteilflächen, verlieren diese Abweichungsbereiche mit zunehmendem Verfahrensdurchgang. Durch die Verschiebung der Klassifizierungsgrenzen und der immer wieder neu durchgeführten Neigungsberechnung in den Thresholding-Durchgängen werden die
Schwankungen in der Neigung innerhalb der homogenen Dachteilflächen aufgehoben. Die
Dachteilflächen wachsen. Besonders homogen werden hierbei die Flachdächer erkannt. Hier
lässt die Klassifizierung als Flachdach bis 9° Neigung die zusammenhängende homogene
Fläche gut erkennen. Dachaufbauten, wie Schornsteine, Lichtkuppeln oder Lichtschächte,
auf Flachdächern werden trotzdem sauber und detailliert selektiert.
78
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 62: Ergebnis nach einer Verschneidung der beiden Zwischenergebnisse Neigung und
Ausrichtung des Thresholding-Verfahrens und eine Selektion über die Flächengröße
Eine Verschneidung (Intersect) der beiden Threshold-Teilergebnisse bewirkt, dass alle Strukturen im Ergebnis berücksichtigt werden. Sowohl Spitzgauben, als auch Schleppgauben, als
auch Dachteilflächen mit veränderter Dachneigung im Traufbereich werden separiert dargestellt. Die Flächen, die im Rahmen des Neigungs-Thresholding als Flachdachbereich erkannt
wurden, werden aus dem Intersect mit der Ausrichtung herausgelassen. Hier würde eine
Verschneidung die Fläche wieder stark zerstückeln und enthomogenisieren. In Abbildung 62
werden die Dachteilflächen visualisiert, die aufgrund Ihrer zusammenhängenden Größe als
geeignete Dachflächen in Frage kommen. Die in diesem Rahmen durchgeführt
Flächengrößeselektion größer 2 m² lässt kleine Dachteilflächen für den weiteren Rechenprozess bereits außen vor.
79
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 63: Darstellung der Zwischenergebnisse des Mehrfach-Thresholdings Neigung und
Ausrichtung als Polygonflächen. Links: Ausrichtung, rechts: Neigung. Der Lageversatz ist durch die
nicht vollständig entzerrten Luftbilder zu begründen.
In Abbildung 63 sind die Zwischenergebnisse des Thresholding-Verfahrens eines Schrägdaches mit vielen Schleppgauben dargestellt. Die Ausrichtung erkennt im Wesentlichen vier
Dachteilflächen, die ein klassisches Walmdach darstellen. Es werden zudem die Schornsteine als sehr kleine Teilflächen erkannt. Auf der nordöstlichen Dachseite sind zudem einzelne
oder Doppelpixel in Höhe der neun Gauben zu erkennen. Auf der südwestlichen Dachseite
sind nicht alle Gauben mit den Einzelpixeln erkannt. Die Gauben verursachen kleinteilig eine
Ausrichtungsänderung.
In dem Neigungsergebnis, in der Abbildung in blau dargestellt, werden der Dachfirst mit einer
Pixeldoppelreihe abgebildet. Im Neigungsergebnis sind alle 9 Gauben auf den Hauptdachseiten sowie die fünf Schornsteine erkannt. Auch die Gauben auf den kurzen Dachseiten
werden abgebildet.
Abbildung 64: Darstellung der Zwischenergebnisse des Mehrfach-Thresholdings Neigung und
Ausrichtung als Polygonflächen. Links: Ausrichtung, rechts: Neigung mit einer überhängenden
Baumkrone
80
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
In Abbildung 64 werden die Ergebnisse eines weiteren Walmdaches visualisiert. Dieses
Dach ist frei von Gauben, verfügt über zwei Schornsteine und wird von einer Baumkrone
überragt.
Im Ergebnis der Ausrichtung sind die vier Hauptdachseiten sehr gut erkannt. Das ebenfalls
geneigte, im Bild Silber/Weiß zu erkennende Vordach wird zu der nördlich ausgerichteten
Hauptdachseite hinzugezogen, da hier keine Ausrichtungsänderung stattfindet. Die Schornsteine sind in der Ausrichtung nicht separiert. Die Baumkrone wird durch kleine Flächen abgebildet. Im Neigungsergebnis sind ebenfalls die vier Hauptdachseiten und die Dachfläche
des Vorbaus erkannt. Es ist nur ein Schornstein selektiert worden, die Baumkrone wird über
viele kleine Teilflächen abgebildet. Der Schornstein auf der nördlich ausgerichteten Dachseite ist mit keinem Laserpunkt erfasst worden. Somit konnte er auch nicht erkannt werden.
Dadurch dass die Baumkrone keine homogene Fläche darstellt, wird sie im nachfolgenden
Selektionsschritt bereits eliminiert. Somit ist auch der darunter liegende Dachflächenbereich
nicht als homogene Dachfläche erkannt und wird als ungeeignet aus der weiteren Berechnung heraus gelassen.
Abbildung 65: Darstellung der Zwischenergebnisse des Mehrfach-Thresholdings Neigung und
Ausrichtung als Polygonflächen auf einem Flachdach. Links: Ausrichtung, rechts: Neigung
Abbildung 65 visualisiert die Zwischenergebnisse eines Flachdaches mit Aufbauten. Im Ausrichtungsergebnis werden viele kleine Dachteilflächen ausgewiesen. Eine Homogenität lässt
sich über diesen Parameter nicht abbilden. In der Neigungsdarstellung, in blau visualisiert, ist
auf dem Hauptdach eine große zusammenhängende Dachteilfläche abgebildet, innerhalb
dieser sich mehrere, im Wesentlichen rechteckige, kleinere Teilflächen befinden. Auf dem
darunter liegenden Luftbild ist die Dachfläche weiß/grau mit dunkleren Graubereichen dargestellt, Dachaufbauten können dort nicht wirklich klar erkannt werden. Abbildung 66 rechts
zeigt ein Shadet Relief, Ergebnis aus der Einstrahlungsberechnung, des Flachdaches. Diese
Darstellungsart lässt durch die Abbildung der Einstrahlungs- und Verschattungssituation
81
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Dachstrukturen visuell sehr gut erkennen. Das Shaded Relief wurde über dieselben Laserscandaten errechnet, wie auch die in der Abbildung 65 abgebildeten Thresholding Teilergebnisse.
Abbildung 66: Darstellung des Ergebnisses des Mehrfach-Thresholdings eines Flachdaches. Rechts:
Shaded Relief des Flachdaches, links: Ergebnispolygon
Das Shaded-Relief zeigt die Dachaufbauten auf der Dachhauptfläche sehr deutlich. Man
kann jede Aufbaute separat erkennen, ein zählen der Anzahl der rechteckigen Strukturen ist
möglich. Im Neigungsergebnis in Abbildung 65 rechts werden fast alle Strukturen erkannt.
Abbildung 66 links zeigt das Endergebnis nach dem „Intersect“ und der Selektion über die
Flächengröße. Hier sind die erkannten Dachaufbauten als Löcher deutlich visualisiert. Nur
zwei Strukturen sind unzureichend bzw. gar nicht berücksichtigt. Der sich im Innenhof des
Gebäudes befindende Baum, dessen Krone das Dach zum Teil überragt, ist eindeutig erkannt. Er bewirkt, dass die darunter liegende Dachfläche unberücksichtigt bleibt und lässt im
Shaded-Relief den ausgehenden Schattenwurf auf die Dachfläche erkennen.
82
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 67: Darstellung der Zwischenergebnisse des Mehrfach-Thresholdings Neigung und
Ausrichtung als Polygonflächen auf einem Satteldach mit Schleppgaube. Links: Ausrichtung, rechts:
Neigung
Ein weiteres Beispiel verdeutlicht die Reaktion des Thresholding-Verfahrens auf Schleppgauben (siehe Abbildung 67). Schleppgauben bewirken in der Ausrichtungsberechnung keine Ausrichtungsänderung gegenüber der Hauptdachseite. Die südliche und nördliche Hauptdachseite wird jeweils vollständig homogen, ohne Dachstruktur erkannt. Das Neigungsergebnis zeigt den Gaubenbereich deutlich. Die Schleppgaube verfügt über eine geringe Neigung, in diesem Beispiel besitzt sie 28° Neigung gegenüber 44 ° Neigung der Hauptdachseite. Die Verschneidung der beiden Zwischenergebnisse berücksichtigt die Schleppgaube im
Selektionsverfahren im letzten Schritt der Ableitung der homogenen Dachteilflächen.
Abbildung 68: Darstellung der Zwischenergebnisse des Mehrfach-Thresholdings Neigung und
Ausrichtung dargestellt als Polygonflächen eines Satteldaches mit Spitzgaube. Links: Ausrichtung,
rechts: Neigung
Abbildung 68 zeigt ein Einfamilienhaus mit einer Spitzgaube auf der südlichen und zwei
Schleppgauben auf der nördlichen Hauptdachseite. In dem Fall verhält sich die Selektion der
Spitzgaube genau anders herum, als bei der Schleppgaube. Im Ausrichtungsergebnis ist die
83
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Spitzgaube deutlich zu erkennen, durch zwei Dachteilflächen klar abgebildet. Die Ausrichtung verändert sich von den Spitzgaubenseitenwänden (277°/110°) zur Hauptdachseite
(196°) deutlich. Im Neigungsergebnis ist der Gaubenfirst der Spitzgaube erkannt, kleine separate Flächen deuten auf eine kleinflächige Neigungsänderung im Ansatzbereich der Spitzgaube zur Hauptdachseite hin. Die Spitzgaubenseitenwände sind jedoch nicht separiert. Die
Neigung der Hauptdachseite ist in diesem Beispiel 39° geneigt, die Spitzgaubenseitenwände
sind ebenfalls 39° geneigt. Der nachfolgende „Intersect“-Schritt bewirkt die Erkennung und
Selektion sowohl der Spitzgaube als auch der Schleppgaube.
4.5
Berechnung der Dachneigung und Dachexposition
Der abschließende absolute Neigungs- und Ausrichtungswert der homogenen Dachteilfläche
wird nach Abschluss des Thesholding-Verfahrens errechnet. Für jede Dachteilfläche wird
über die Map Algebra-Funktion „Zonal“ auf Basis des Dachpolygones und des Neigungsbzw. Ausrichtungsrasters der Wert bestimmt. Der Medianwert aller innerhalb des Polygons
befindlichen Neigungs- bzw. Ausrichtungspixel spiegelt den vorherrschenden Neigungsbzw. Ausrichtungswert dieses Dachflächenbereichs wider. Im Ergebnis verfügt jedes Dachteilpolygon über einen absoluten Neigungs- und Ausrichtungswert.
4.6
Einstrahlungsanalyse und Abschattungsberechnung
Verfahrensschritt III und IV befassen sich mit der Einstrahlungsanalyse und Abschattungsberechnung. Auf Grundlage des lokalen Globalstrahlungswertes, der von Strahlungsdatenbanken mit Langzeitmittelwerten hinzugezogen wird (siehe 2.1.3.1), wird die Einstrahlungssituation über den r.sun-Algorithmus auf die Dachfläche unter Berücksichtigung der Dachstrukturen und lokalen Einflussfaktoren errechnet. Die Jahreseinstrahlungssumme bestimmt das
solar nutzbare Potenzial und definiert im Ergebnis den Dachflächenbereich, der sich für die
Nutzung einer Solaranlage eignet.
Im Zuge der Verfahrensentwicklung wurde der bestehende Einstrahlungsberechnungsalgorithmus r.sun von GRASS GIS (HOFIERKA & ŠÚRI 2002) genutzt und dessen Ergebnisse mit
real existierenden PV-Anlagen und Referenz-Einstrahlungsdaten verglichen und evaluiert.
84
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 69: Berechnungsschritte der Einstrahlungs- und Abschattungsanalyse in den Verfahrensschritten III und IV
4.6.1 Grundlagen der solaren Einstrahlungs- und Abschattungsberechnung
Die Methode r.sun ist eine Erweiterung der GRASS-GIS-Software (NETELER & MITASOVA,
2004) und wurde ursprünglich von KRCHO (1990) entwickelt. JENCO (1992) führte die Entwicklung fort (HOFIERKA & ŠÚRI, 2002). Umfangreich aktualisiert wurde das Tool 2000 von
SCHARMER & GREIF. Das Tool basiert auf dem European Solar Radiation Atlas (SCHARMER &
GREIF, 2000; PAGE ET AL., 2001; RIGOLLIER, 2000). Damit bezieht sich das Verfahren auf europäische Strahlungsverhältnisse.
Das Verfahren r.sun berechnet mit Ausgabe eines Rasterdatensatzes die direkte, diffuse und
reflektierende Strahlung unter Berücksichtigung des Zeitraumes, der geographischen Breite,
der Oberflächenbeschaffenheit und der Witterungsverhältnisse für eine klare Himmelssituation, in der weniger als 30 Prozent der Himmelsfläche mit Wolken bedeckt ist (clear-sky), und
eine reale Himmelssituation, die der realen Bewölkungsintensität am Untersuchungsgebiet
entspricht (real-sky).
In der Kartenentwicklungsdatei werden folgende Parametern hinterlegt:

der Sonnenauf- und Sonnenuntergangzeitpunkt,
85
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten

die geographische Lage,

die extraterrestrische Sonnenstrahlung und

die Tageslichtlänge.
Alternativ ist es möglich, ein Strahlungsintensitätsraster als Vorgabe anzugeben. Die Berücksichtigung von Verschattungseffekten durch die Topographie ist optional möglich. Ein
Korrekturfaktor bezieht die Erdkrümmung intern mit ein. Das Tool arbeitet in zwei Schritten.
Im ersten Durchgang werden für das Untersuchungsgebiet unter Hinzunahme der örtlichen
Lage zwei Rasterdatensätze, bestehend aus dem Sonneneinfallswinkel in Grad und der
Strahlungsintensität, erzeugt. Diese fungieren als Eingangsdatensätze für den zweiten Berechnungsschritt, der unter Definition eines Zeitpunktes oder Zeitraums die Einstrahlungssumme dazu ausgibt. Die Betrachtungsintervalle, standardmäßig 0,5 Stunden, sind anpassbar. Die Ausgabe der Einstrahlungssumme kann über die Eingabe einer Maske auch nur
bereichsweise (Gebäudebereich) ausgegeben werden. Die genaue Verfahrensbeschreibung
von r.sun ist in ŠÚRI & HOFIERKA (2004) und in ŠÚRI et al. (2005) sowie im Handbuch von
r.sun zu finden.
Folgende Eingangsinformationen werden für die Berechnung der Einstrahlung benötigt:

Digitales Oberflächenmodell (DOM)

Neigungsgrid (Slope/Inclination): Winkel von der zu untersuchenden Fläche zur
Äquatorebene, wird aus dem DOM abgeleitet

Ausrichtungsgrid (Aspect/Orientation): Oberflächenazimutwinkel, stellt die Abweichung der Projektion zur Normalen gegenüber der Untersuchungsfläche auf der
Äquatorfläche vom lokalen Meridian dar, wird aus dem DOM abgeleitet

Breitengrad: Winkelposition nördlich oder südlich der Äquatorebene, wird aus der geographischen Lage des Untersuchungsgebiets verwendet

Albedo: Verhältnis der Diffusstrahlung zur Globalstrahlung, wird als numerischer Wert
angegeben

Linke Turbidity: Näherungswert, der die atmosphärische Absorption im Verhältnis zur
Streuung unter klaren Verhältnissen, einem wolkenfreiem Himmel, darstellt. Der Faktor wird für jeden zu berechnenden Tag separat angegeben.

Globalstrahlungswert: Horizontal pro Monat im langjährigen Mittel

Clear Sky Index (Kc): Verhältnis vom realen horizontalen Globalstrahlungswert zum
horizontalen Globalstrahlungswert unter wolkenfreien Bedingungen

coefbh (beam radiation coefficient): Beschreibt als Faktor die atmosphärische Trübung. Dieser liefert die Information für den Clear Sky Index, das Verhältnis einer
clear-sky Situation zur real-sky Situation über den Anteil der diffusen Strahlung.
86
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten

coefdh (direct radiation coefficient): Beschreibt als Faktor die atmosphärische Trübung. Dieser liefert die Information für den Clear Sky Index, das Verhältnis einer
clear-sky Situation zur real-sky Situation über den Anteil der direkten Strahlung.
4.6.2 Methode zur Solareinstrahlungs- und Abschattungsberechnung
Die für die Fragestellung dieser Arbeit anzuwendende Einstrahlungsanalyse basiert auf drei
wesentlichen Teilschritten, Initialisierung und Import der Eingangsdaten nicht mit eingerechnet:
1. Kalibrierung auf örtliche Einstrahlungsgegebenheiten und die darüber mögliche Anpassung des Einstrahlungsalgorithmus (Eigenentwicklung)
2. Horizontberechnung unter Verwendung der Neigungs- und Ausrichtungsinformation
über r.horizon, dient dazu die Verschattungssituation aus der Umgebung in die Einstrahlungsberechnung mit einzubeziehen.
3. Eigentliche Einstrahlungsermittlung und Ausgabe der Berechnungsergebnisse sowie
der Ableitung stark verschatteter Bereiche.
Nachfolgend ist der Ablauf der Einstrahlungsberechnung aufgeführt.
Tabelle 11: Ablauf der Einstrahlungs- und Abschattungsberechnung
Initialisierung:
grassGrid(configFile)
Import:
importGrids() & importALK()
1. Kalibrierung:
calibrate()
2. Berechnung Neigung/Ausrichtung:
processInputGrids()
2. Berechnung Horizont:
processHorGrids()
3. Solareinstrahlung:
calculateRadiation()
3. Verschattung:
createShadowPolygon()
3. Export:
export()
Im ersten Verfahrensschritt wird eine Kalibrierung des Berechnungsalgorithmus auf örtliche
Einstrahlungswerte vorgenommen. Eingangsdaten sind die langjährigen Messwerte vom
z. B. DWD von vor Ort, die die horizontale Einstrahlungssumme (Globalstrahlung in
Wh/m²*a) im Monatsmittel und als Jahrssumme wiedergeben. Zudem muss die genaue Lage
der Messstation (x, y) und die Höhe über Grund bekannt sein. Ein weiterer Kalibrierungsfaktor ist der Anteil der Diffusstrahlung zur Globalstrahlung.
Über die vorliegenden Kennwerte:
87
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten

Monatsmittelwert der horizontalen Globalstrahlung,

Koordinate des Referenzortes,

Höhe über Grund des Referenzortes,

Anteil diffus zu global am Referenzort
werden im Kalibrierungsverfahren die Faktoren coefbh und coefdh errechnen, die den Clear
Sky Index (Kc) beschreiben.
kc 
Gh
Ghc
(16)
Kc= Clear Sky Index
Gh=realer horizontaler Globalstrahlungswert
GhC= horizontaler Globalstrahlungswert unter wolkenfreien Bedingungen
Nachfolgend sind exemplarisch die Kalibrierungsfaktoren für den Standort Osnabrück über
eine Anpassung jährlicher Jahresmittelsummen aufgeführt.
[Kalibrierung]
1. coefbh = 0.327063
2. coefdh = 1.42301
3. ratioDiffGlob = 0.59
4. globTarget = 980054
5. globPrzTarget = 87.4
6. uNN = 110.0
Die Berechnung des Horizont-Grids erfolgt über das GRASS GIS Tool r.horizon und berechnet die Winkelhöhe vom Gelände zum Horizont in Radiant. Es wird ein Raster ausgegeben,
wobei jeder Punkt in dem Raster die Horizonthöhe in eine bestimmte Richtung wiedergibt.
Dabei wird ein Sichtlinienverfahren ab dem Horizont durchgeführt, das bei jedem Schritt analysiert, ob die Sichtlinie das Gelände trifft oder nicht. Dies wird fortgesetzt, bis die Sichtlinie
eine Höhe, die höher als jeder Punkt in der Region ist, erreicht oder bis sie die Grenze der
Region erreicht. Dabei gibt der „horizonstep“ die Anzahl der zu betrachtenden Richtungsschritte (in Grad) zwischen aufeinander folgenden Azimutrichtungen zur Berechnung des
Horizonts wieder. Standardeinstellung ist 5, das heißt 360/5 ergeben 72 Richtungen und
damit im Ergebnis 72 Richtungsraster, in denen jeder Punkt die Horizonthöhe in eine bestimmte Richtung ausgibt.
Das Horizont-Grid wird nur erzeugt, wenn die Verschattungssituation der Umgebung in die
Einstrahlungsberechnung mit einbezogen werden soll. Eine Einstrahlungsberechnung ohne
Berücksichtigung der Umgebungsverschattung ist ebenfalls möglich.
88
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Die eigentliche Einstrahlungsanalyse gibt als Ergebnis verschiedene Raster aus, in denen
jede Rasterzelle für den Zeitraum (in diesem Fall Monatsmittelwerte und Jahressumme) zu
den verschiedenen Strahlungsarten (in diesem Fall Global- und Direktstrahlung) die entsprechende Information in Wh enthält.
Verschattungseffekte auf Dachflächen werden durch unterschiedliche Ursachen hervorgerufen. Das Dach bzw. die darauf zu montierende Solaranlage kann durch z. B. Schnee, Laub
oder Verschmutzung verschattet werden. Dies ist im Vorfeld nicht zu analysieren. Darüber
hinaus entstehen Abschattungseffekte auf die Dachfläche durch Strukturen in der Umgebung, die die direkte Strahlung zu bestimmten Zeitpunkten mindern oder gänzlich unterbrechen, wie z. B. Antennen, Schornsteine, Gauben auf dem Dach oder Bäume sowie höhere
Gebäude in der nahen Umgebung. Diese Abschattungssituation lässt sich im Vorfeld berechnen und lokalisieren. Dazu wird eine Einstrahlungsanalyse ohne Berücksichtigung der
umgebungsverursachenden Abschattung umgesetzt, das heißt es wird für jede Rasterzelle
die direkte Einstrahlung nur nach ihrer Neigung und Ausrichtung errechnet und nicht die
Minderung durch die Umgebung einbezogen. Die Berechnung des Horizont-Grids kann entfallen. Die Differenz der direkten Strahlung mit Verschattungsberücksichtigung zu den Werten der direkten Strahlung ohne Verschattungsberücksichtigung gibt die prozentuale Minderung der direkten Strahlung und damit die stärke der Verschattung wieder. Ab einer
Verschattungsminderung von größer 10% gilt die Dachteilfläche als verschattet.
4.7
Berechnung des Solarenergiepotenzials
Das Solarenergiepotenzial zur Photovoltaik- und Solarthermie-Nutzung wird im Rahmen des
Verfahrensschrittes V in zwei Abläufen ermittelt. Der erste Ablauf berechnet den Median der
einzelnen Einstrahlungsarten pro homogener Dachteilfläche. Im zweiten Schritt werden die
eigentlichen Potenzialwerte zur Photovoltaik- und Solarthermienutzung pro homogener
Dachteilfläche ermittelt.
89
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 70: Berechnungsschritte des Verfahrensbereichs V
Abbildung 71 zeigt den Vorgang zur Berechnung der Einstrahlungsstärke pro homogener
Dachteilfläche. GRad und Beam stellen hierbei die als Rasterdatensatz vorliegenden Einstrahlungsergebnisse dar. Es handelt sich um die Jahressumme der Globalstrahlung (GRad)
in kWh/m²*a und der Jahressumme der direkten Strahlung (Beam) in kWh/m²*a. Die Berechnung des Median-Wertes pro Dachteilfläche ignoriert punktuelle Ausreißer an Strahlungswerten. Als weiterer Eingangsdatensatz gehen die Polygone der homogenen Dachteilflächen,
die bereits im ersten Schritt um die verschatteten Teilflächen bereinigt wurden, ein.
90
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
-> Ergebnis
Abbildung 71: Statistische Berechnung der Einstrahlungssummen pro homogener Dachteilfläche. Im
Ergebnis liegen pro Dachteilfläche verschiedene Einstrahlungsinformationen vor.
Als letzter Schritt des ersten Ablaufs wird die geeignete Modulfläche, die 3D-Fläche der homogenen Dachteilflächenpolygone errechnet. Die geeignete Dachflächengröße für die PVund Thermienutzung wird als „ModArea“ bezeichnet.
Neigung
Area2D
ModArea
Abbildung 72: Berechnung der geeigneten Modulfläche ModArea
Die im Ergebnis des Verfahrensschrittes V erzeugten unverschatteten, homogenen Dachteilflächen sind 2D-Polygone, die den Dachteilbereich visualisieren, der homogen und unver91
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
schattet ist. Um die geeignete Modulfläche für die PV- oder Solarthermienutzung angeben zu
können, muss die 2D-Flächengröße (Area2D) in die 3D-Flächengröße unter Einbezug der
Dachneigung (  ) umgerechnet werden.
Dies erfolgt über nachfolgend aufgeführter Formel:
ModArea 
Area 2 D
cos(  )
(17)
β
Area2D
Abbildung 73: Darstellung des Neigungswinkels β eines Gebäudedaches
Der zweite Ablauf des Verfahrensschrittes V „Solarenergiepotenzial“ errechnet die eigentlichen Potenzialparameter für die beiden solaren Nutzungsbereiche. Folgende Kenngrößen
liefern die wichtigen Informationen zur Einschätzung des Standortes für die solare Nutzung:

Effektiver Stromertrag pro Jahr

Spezifischer Stromertrag

kWp-Leistung

Effektive Wärmemenge pro m² und Jahr (Thermie)

CO2-Einsparung (Photovoltaik)

CO2-Einsparung (Solarthermie)
In den nachfolgenden Kapiteln ist die Berechnung der einzelnen Kenngrößen differenziert
beschrieben.
92
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
4.7.1 Gesamtstromertrag, kWp-Leistung und spezifischer Stromertrag
Abbildung 74 zeigt den Berechnungsvorgang der Potenzialermittlung für Photovoltaik. Es
werden die Kenngrößen Gesamtstromertrag, kWp-Leistung und der spezifische Stromertrag
nach DIN 61724 (LAQUAI 2003) ermittelt (siehe auch Kapitel 2.1.3.6).
Abbildung 74: Darstellung der Berechnungsparameter für die Ermittlung des Gesamtstromertrags
(Str_15), die kWp-Leistung (kWp) und des spezifischen Stromertrags (kWh_KWp)
Jährlicher Gesamtstromertrag
Der potenzielle jährliche Stromertrag [Str_η], der auf der homogene Dachteilfläche insgesamt erwirtschaftet werden könnte (kWh/a), errechnet sich aus der Modulfläche [ModArea]
und der Jahressumme der Globalstrahlung auf die homogene Dachteilfläche [radAbs]. Ein
mittlerer Performance Ratio [PR] als Maß für Verluste wird als weitere Größe einkalkuliert.
Zudem muss der Wirkungsgrad der eingesetzten Modultechnik mit berücksichtigt werden. Zu
Grunde gelegt werden drei unterschiedliche Techniken, monokristallin, polykristallin und
Dünnschicht. Damit ergeben sich die Wirkungsgrade 15%, 12% und 9%.
Die Kalkulation wird über nachfolgende Formel umgesetzt:
Y = η·H·F3D·PR
(18)
Y=
zu erwartender Jahresenergieertrag für die homogene Dachteilfläche [kWh/a]
H=
jährliche Globalstrahlungssumme der homogenen Dachteilfläche [kWh/(m²·a)]
η=
Wirkungsgrad der Anlage
F3 D = geeignete Dachteilflächengröße [ModArea]
PR=
Performance Ratio
Somit ergibt sich folgende Stromertragsberechnung über eine monokristalline PV-Anlage für
eine ModArea von 60 m² und einer Jahressumme an Globalstrahlung von 1.190 kWh/m²:
93
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Stro _ 15  0,15  1190  60  0,75  8032,5 kWh/a
KWp-Leistung
Die kWp-Leistung wird über die Modulfläche [ModArea] kalkuliert. Geht man davon aus, dass
monokristalline Module eine Wp-Leistung von 255 pro Modul mit einer Fläche von
1.684.280 mm² aufweisen, so werden für einen kWp-Nennleistung 6,6 m² Modulfläche benötigt. Die Kalkulation wird auf Basis nachfolgender Formel umgesetzt
kWp 
F3D
6,6
(19)
kWp= kWp-Leistung der PV-Anlage
F3 D = geeignete Modulfläche [ModArea]
6,6 = benötigte Modulfläche pro kWp (abhängig der Nennleistung des PV-Moduls).
Auf einer ModArea von 60 m², belegt mit einer monokristallinen Anlage mit 255 WpNennleistung können 9,09 kWp Anlagenleistung installiert werden.
Spezifischer Stromertrag
Der spezifische Stromertrag gibt die reale Strommenge pro kWp und Jahr aus. Die Kalkulation des spezifischen Stromertrags basiert auf nachfolgend aufgeführter Formel:
Yf' 
'
Yr
'
(20)
kWp
'
Yf' = final Yield = spezifischer Stromertrag
'
Yr = der Referenzertrag in Normleistungs-Stunden pro Jahr [h/a]
kWp = kWp-Leistung
Somit wäre der spezifische Stromertrag pro Jahr 883,6 kWh/kWp für eine monokristalline
PV-Anlage (mit 255 Wp-Nennleistung), mit einer Modulfläche von 60 m², einer Jahressumme
an Globalstrahlung von 1.190 kWh/m² und einem potenziellen Stromertrag von 8.032,5
kWh/a.
94
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Yf 
'
8032,5
 883,6 kWh/kWp
9,09
4.7.2 Wärmemenge Solarthermie
Das Solarenergiepotenzial der Thermienutzung wird für den Einsatzbereich Warmwasserbereitung errechnet. Aufgrund der nicht bekannten Bewohnerzahl im Gebäude und deren Nutzerverhalten kann keine differenzierte Berechnung vorgenommen werden. Die potenzielle
Wärmemenge bezieht sich auf einen m². Die Dimensionierung der Anlage hängt von der
Bewohneranzahl und dem Einsatzbereich ab. Die erzielbare Wärmemenge wird somit nur
pro m² errechnet und lässt sich später mit der individuell benötigten Modulfläche angepasst
auf die Rahmenbedingungen einfach multiplizieren.
Auf Grundlage nachfolgender Formel ergibt sich die Kalkulation der potenziellen Wärmemenge pro m²:
W  H 
(21)
W=
Wärmemenge
H=
jährliche Globalstrahlungssumme der homogenen Dachteilfläche [kWh/(m²·a)]
 =
Wirkungsgrad des Solarthermiemoduls
Ein Solarthermie-Flachkollektor mit einem Wirkungsgrad von 40% und einer jährlichen Globalstrahlungssumme von 1.190 kWh/m² kann einen Wärmeertrag von 476 kWh/a pro m²
produzieren.
4.7.3 CO2-Einsparsumme Photovoltaik
Die Berechnung der CO2-Einsparsumme basiert auf einem bundesdurchschnittlichen CO2Äquivalent-Wert von 0,563 kg/kWh (UBA 2011a), abhängig des bestehenden Strom-Mixes
der deutschen Stromversorgung. Zudem wird die produktionsbedingte CO2-Emission der PV
Module berücksichtigt. Dies erfolgt nach Angaben aus GEMIS 4.6 (ÖKO-INSTITUT, 2011) gemäß der Modultechnik (siehe Tabelle 12).
95
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Tabelle 12: CO2-Einsparsumme PV, abhängig der Modultechnik
Modultechnik
Produktionsbe-
CO2-
CO2-
dingte
CO2- Äquivalentwert
Emission
in in kg/kWh
kg/kWh
Berechnungsfaktor
in
kg/kWh
monokristallin (15% Wirkungsgrad)
0,135
0,563
0,428
polykristalline (12% Wirkungsgrad)
0,105
0,563
0,458
0,05088
0,563
0,512
amorph (9% Wirkungsgrad)
Über den potenziellen Stromertrag pro Jahr der Anlage wird die CO2-Einsparsumme errechnet (LUDWIG, 2010).
Die Kalkulation basiert auf nachfolgender Formel:
CO2  Y 'F
(22)
CO2 = CO2-Einsparsumme pro m² und Jahr
'
Y =
zu erwartender Jahresenergieertrag für die homogene Dachteilfläche [kWh/a]
F=
CO2-Faktor berechnet über CO2-Äquivalentwert [kg/kWh]
Damit würde eine CO2-Einsparungsumme pro Jahr von 3.437,91 kg über eine monokristalline Anlage mit einem Jahresstromertrag von 8.032,5 kWh/a erreicht werden können:
8.032,5 · 0,428 = 3.437,91 kg
4.7.4 CO2-Einsparsumme Solarthermie
Die CO2-Einsparung der Solarthermienutzung über Flachkollektoren errechnet sich aus dem
CO2-Äquivalentwert für Gas von 0,252 kg/kWh (UBA 2011a). Abzüglich der Vorkette nach
GEMIS 4.6 (ÖKO-INSTITUT 2011) von 47 g CO2 /kWh für einen solarthermischen Flachkollektor errechnet sich ein CO2-Einsparfaktor von 0,2049 kg CO2 / kWh.
CO2  W  F
(23)
W = Potenzielle Wärmemenge [kWh/m²*a]
F = CO2-Einsparfaktor [kg/kWh]
Für die Wärmemenge von 476 kWh/m²*a wäre eine Einsparung von 97,53 kg CO2 möglich:
476 · 0,2049 = 97,53 kg
96
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
4.8
Bewertung der Laserscandatenqualität
Der letzte und VI. Verfahrensschritt, der parallel zu den anderen Berechnungen umgesetzt
wird, errechnete die Qualität der Laserscanrohdaten innerhalb der Gebäudeumringe, um
darüber die Qualität der Ergebnisaussage zu jedem Gebäude klassifizieren zu können (siehe
Kapitel 2.2).
Ermittelt wird:

Punktdichte pro m² innerhalb des Gebäudeumrings

Punktverteilung innerhalb des Gebäudeumrings zum Aufdecken großer Datenlücken
Auf Grundlage des in der Datenaufbereitung erzeugten Count-Rasters mit 1 x 1 m Zellengröße wird die Punktdichte und Punktverteilung innerhalb des Gebäudeumrings ermittelt. Die
Berechnung der Punktanzahl erfolgt über die Map Algebra-Funktion „Zonal Sum“. Alle innerhalb des Umrings befindlichen Count-Werte werden aufsummiert. Die Dividierung der Punktanzahl durch die Gebäudeumringflächengröße bestimmt die Punktanzahl pro m² auf dem
Dach:



(24)
B = Punktanzahl innerhalb des Gebäudeumrings
A = Flächengröße in m² des Gebäudeumrings
N = Punktdichte pro m² innerhalb des Gebäudeumrings
Der Grenzwert der zulässigen Punktdichte innerhalb des Gebäudeumrings ist empirisch ermittelt und wird mit 0,7 Pkt/m² festgelegt. Dieser Grenzwert ermöglicht noch eine realitätsnahe Abbildung des Daches mit seinen vorwiegenden Dachstrukturen. Schornsteine können
noch separiert und berücksichtigt werden. Liegt die mittlere Punktdichte pro m² innerhalb des
Gebäudeumrings darunter, wird das Gebäude als „nicht berechenbar“ klassifiziert.
Trotz ausreichender Punktdichte innerhalb der Gebäudefläche kann es zu größeren Datenlücken kommen. Daher ist die Berechnung der Punktverteilung neben der Punktdichte sehr
wichtig. Durch die Berechnung der euklidischen Distanz auf Basis des Count-Rasters werden Datenlücken aufgedeckt. Wichtig ist die Form der Datenlücke. Datenlücken ab einer bestimmten Flächengröße mit geringem Umfang im Verhältnis zur Flächengröße sind die Zielobjekte. Die Entfernung der euklidischen Distanz drückt die Entfernung zur nächsten besetzten Zelle aus und berücksichtigt damit auch die Form der Datenlücke. Ab einer Distanz von
97
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
>= 2 m werden Datenlücken separiert. Ein Gebäude verfügt insgesamt über eine zu geringe
Grundlagendatenqualität, wenn die Punktdichte innerhalb des Gebäudeumrings unter 0,7 Pkt
pro m² liegt und, oder mindestens eine größere Lücke ab einer Euklidischen Distanz von 2 m
vorliegt.
Für nachfolgend aufgeführte Gebiete wird eine Bewertung der Laserscandatenqualität vorgenommen (siehe auch Tabelle 8):

Bielefeld 2008

Osnabrück 2011

Troisdorf 2007

LK Rhein-Sieg 2006

Braunschweig 2003

Spich 2006

Gelsenkirchen 2006

Altenrath Ost 2006

Bad Bentheim 2011

Donrath 2006

Dresden 2009

Lohmar Süd 2006

Wiesbaden 2008

Neunkirchen Ost 2006

Osnabrück 2005
4.9
Ergebnis der Solarpotenzialanalyse
Die Ergebnisse der Solarpotenzialanalyse liefern zwei Ergebnisaussagen. Die numerischen
Solarpotenzialwerte, differenziert für PV und Solarthermie pro Dachteilfläche, die in der
Sachdatentabelle zum Polygon gespeichert sind und die lagebezogenen 2D-Polygone, die
die Dachteilflächen markieren, die geeignet sind.
4.10 Methodenbewertung
Die Bewertung der in dieser Arbeit entwickelten Methode erfolgt anhand verschiedener Referenzparameter über unterschiedliche Verfahren und Referenzdaten. Bis auf die Qualität der
Laserscandaten wird für alle Bewertungsparameter die Abweichung der errechneten Ergebnisse gegenüber den Referenzdaten ermittelt.
Folgende Bewertungsparameter sind berücksichtigt:

Qualität der Laserscanrohdaten innerhalb des Gebäudeumrings

Einstrahlungsgenauigkeit

Neigungsgenauigkeit

Orientierungssgenauigkeit

Flächengrößengenauigkeit
98
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten

Genauigkeit des spezifischen Stromertrags

KWp-Leistung
Für jeden Bewertungsparameter werden die mittlere Abweichung sowie die maximale und
minimale Abweichung, die Standardabweichung und die prozentuale Abweichung errechnet.
Es liegen verschiedene Referenzdaten und Bewertungsmethoden vor, die abhängig der Bewertungsparameter zum Einsatz kommen.
Die Laserscandatenqualität wird über die Anzahl der nicht berechenbaren Gebäude aufgrund
zu geringer Punktdichte oder Punktverteilung bewertet und mit den Flugparametern verglichen.
Die höchste Genauigkeitsbewertung der Dachneigung, Dachausrichtung und Dachflächengröße liefern Gebäudepläne des Osnabrücker Gebiets „Auf dem Klee“.
Tabelle 13: Übersicht der Bewertungsparameter, zum Einsatz kommender Referenzdatensätze und
der Bewertungsmethoden.
Bewertungsparameter
Referenzdatensatz
Qualität der Laserscanroh- Siehe Tabelle 8
daten
Bewertungsmethode
Anzahl der „nicht berechenbaren“ Gebäude
Einstrahlungsgenauigkeit
Stadt Osnabrück, Globalstrahlungswerte aus PVGIS für
Auf dem Klee
das Gebiet
Neigungsgenauigkeit
Stadt Osnabrück, Auswertung von Bauplänen
Auf dem Klee
Orientierungsgenauigkeit
Stadt Osnabrück, Auswertung von Bauplänen
Auf dem Klee
Neigungsgenauigkeit
Stadt
schweig
Braun- Ermittlung der Neigung über Geodreiecksmethode
Orientierungsgenauigkeit
Stadt
schweig
Braun- Errechnung der Ausrichtung über Gebäudeumringe
Flächengrößengenauigkeit
Stadt Osnabrück, Auswertung von Bauplänen
Auf dem Klee
Genauigkeit des spezifi- Stadt Dresden
schen Stromertrags
Ertragswerte von 11 Referenzanlagen
99
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
4.10.1
Bewertung der Einstrahlungsgenauigkeit
Die errechneten Globalstrahlungswerte im Monats- und Jahresmittel werden in Abhängigkeit
der Dachneigung und Ausrichtung mit Werten der Strahlungsdatenbank PVGIS (Classic und
2.0) verglichen und bewertet.
Als Fehlerquelle dieser Bewertungsmethode sind die Referenzdaten aus PVGIS zu benennen, die auch aus Berechnungen und nicht nur aus Messwerten stammen. Untersuchungsgebiet dieser Bewertungseinheit ist das Referenzgebiet Stadt Osnabrück „Auf dem Klee“.
4.10.2
Bewertung der Neigungsgenauigkeit
Im Sommer 2007 wird über eine Vor-Ort-Begehung und Erfassung der Dachneigung über die
Geodreieckmethode im Untersuchungsgebiet Stadt Braunschweig die Neigungsgenauigkeit
bewertet. Heute wäre eine Neigungsberechnung der Dächer über eine WinkelberechnungsApp per Smartphone anwendbar und würde genauere Ergebnisse liefern. Um die Geodreieckmethode anwenden zu können, muss der Blick auf den Giebel frei sein. Hält man das
Geodreieck mit der Hypothenuse auf Höhe der unteren horizontalen Giebellinie auf die Traufe, lässt sich der Winkel zwischen Ortgang und Traufe und damit die Dachneigung ablesen.
Für 30 Gebäude wurde so die Dachneigung ermittelt und mit den Berechnungsergebnissen
verglichen. Als Fehlerquellen kommen zufällige Fehler in Betracht. Als zufälliger Fehler bei
der Geodreiecksmethode kann die teilweise nicht optimale Einsicht auf den Giebel genannt
werden, zudem sind beim Ablesen des Dachwinkels Abweichungen möglich, wenn das Geodreieck nicht ganz korrekt gehalten wird.
Abbildung 75: Ablesen des Dachwinkels über die Geodreieckmethode.
4.10.3
Bewertung der Orientierungsgenauigkeit
Untersuchungsgebiet dieser Bewertungseinheit ist die Stadt Braunschweig und die Stadt
Osnabrück „Auf dem Klee“. Aus den Bauplänen wird die Orientierung der Dachseite ausgelesen. Zudem ist aus den Gebäudeumringen der Liegenschaftsdaten Stadt Braunschweig die
Orientierung des Traufbereichs und damit die Ausrichtung der Dachseite errechnet worden.
100
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 76: Berechnung der Dachorientierung.
4.10.4
Genauigkeit des spezifischen Stromertrags
Untersuchungsgebiet dieser Bewertungseinheit ist das Referenzgebiet Stadt Dresden. Es
konnte auf die Anlagenspezifika und Leistungen von 11 Referenzanlagen zurückgegriffen
werden (siehe Kapitel 3.3.2). An Anlagenspezifika liegen die KWp-Leistung, die Adresse und
die Jahressumme des Stromertrags für 2009-2011 sowie der spezifische Stromertrag vor. An
Fehlerquellen seien hier die fehlenden Angaben des Wirkungsgrades der Anlage bzw. die
Wattleistung und Abmessung der einzelnen Module, das Alter der Anlage und Angaben zum
Wechselrichter bzw. zum Performance Ratio, der die Verluste zwischen Modulleistung und
Anlagenleistung wiedergibt, genannt. Der spezifische Stromertrag ist unabhängig vom Wirkungsgrad der PV-Anlage und kann daher mit den berechneten Ergebnispotenzialen am
ehesten verglichen werden. Ein hoher Performance Ratio, z. B. verursacht durch einen nicht
optimal auf die Anlage abgestimmten Wechselrichter, kann den spezifischen Stromertrag
stark herabsetzen. Nicht als Bewertungsgrundlage zu verwenden ist die KWpLeistungsgröße der Anlage, da der Wirkungsgrad der Module nicht bekannt ist.
101
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
5
Ergebnisse
Dieses Kapitel zeigt die über die entwickelte Methode errechneten Ergebnisse auf und bewertet ihre Genauigkeit. Zudem wird die Qualität der unterschiedlichen, zur Verfügung stehenden Laserscanndaten und dessen Anforderungen an die Berechnung des Solarpotenzials auf Dachflächen untersucht.
5.1
Bewertung der Ergebnisse
Referenzgebiete für die Bewertung der Ergebnisse sind das Gebiet „Auf dem Klee“ in der
Stadt Osnabrück, zwei Straßenzüge in der Stadt Braunschweig, 11 Referenzanlagen in der
Stadt Dresden und diverse Laserscandatensätze, worüber die Qualität geprüft wurde.
Bevor in den nachfolgenden Unterkapiteln die Ergebnisse der Bewertung genau erläutert
werden, sollen an dieser Stelle die Ergebnisse der Solarpotenzialanalyse der Referenzgebiete dargestellt werden.
Stadt Osnabrück, Untersuchungsgebiet „Auf dem Klee“, Laserscandaten aus 2011
Abbildung 77 zeigt die Jahressumme der Globalstrahlung auf den Gebäudedächern. Rote
Dachteilflächen deuten auf eine hohe Globaleinstrahlung hin. Die Berechnung der Globalstrahlung erfolgte über ein flächendeckendes Oberflächenmodell, so dass alle umgebungsverursachenden Elemente berücksichtigt werden. Die Ausgabe der Einstrahlungswerte wird
aus Performance Gründen auf die Gebäudebereiche beschränkt.
102
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 77: Ergebnis der Einstrahlungsanalyse für das Referenzgebiet „Auf dem Klee“
Abbildung 78: Berechnungsergebnis der geeigneten Dachteilflächen für PV im Gebiet „Auf dem Klee“
auf Grundlage der Laserscandaten aus 2011 (Datenquelle: STADT OSNABRÜCK 2011a)
103
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 79: Berechnungsergebnis der geeigneten Dachteilflächen für Solarthermie im Gebiet „Auf
dem Klee“ auf Grundlage der Laserscandaten aus 2011 (Datenquelle: STADT OSNABRÜCK 2011a)
Abbildung 78 zeigt über eine dreistufige farbliche Markierung je nach Eignungsklasse die
Dachteilflächenbereiche, die sich nach Berücksichtigung aller Parameter für die PhotovoltaikNutzung eignen. Abbildung 79 stellt die geeigneten Dachteilflächen für die solarthermische
Nutzung dar. Aufgrund des geringeren Standortanspruchs werden hier nur zwei Eignungsklassen vergeben.
Tabelle 14: Potenzialergebnisse PV der geeigneten Dachteilflächen für das Referenzgebiet „Auf dem
Klee“ auf Grundlage der Laserscandaten aus 2011
Eignungsklasse Geeignete Modulfläche in m²
Photovoltaik
Summe Stromertrag (15% Wirkungsgrad) in
kWh/a
Summe CO2Einsparung in t/a
Summe kWp
sehr gut
344
45.932
28.432
49,8
gut
861
96.730
59.878
125,7
bedingt
319
32.508
20.123
46,2
1.524
175.170
108.433
221,7
Summe
104
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Tabelle 15: Potenzialergebnisse TH der geeigneten Dachteilflächen für das Referenzgebiet „Auf dem
Klee“ auf Grundlage der Laserscandaten aus 2011
Eignungsklasse
Thermie
sehr gut
Geeignete Modulfläche in m²
Summe WärmeSumme CO2Mittlere WärmeMittlere CO2menge über alle
Einsparung über
menge pro GeEinsparung pro
geeigneten
alle geeigneten
bäude pro m² in
Gebäude pro m²
Dachteilflächen
Dachteilflächen
kWh/a*m²
in t/m²*a
in kWh/a
in kWh/a
457
457
12.347
118
3.212
gut
2.145
372
37.653
96
9.788
Summe
2.602
830
50.000
215
13.000
Tabelle 14 und Tabelle 15 präsentieren die absoluten Potenziale der Dachflächen für die
Photovoltaik- und Solarthermienutzung. Die geeignete Modulfläche, die Summe des potenziellen Stromertrags bzw. die potenzielle Wärmemenge, die kWp-Leistung und die CO2Einsparsumme sind die wichtigsten Potenzialinformationen, die für die Eignungseinschätzung der Dachfläche benötigt werden.
Stadt Osnabrück, Untersuchungsgebiet „Auf dem Klee“, Laserscandaten aus 2005
Zum Zeitpunkt der Laserdatenerfassung für das Referenzgebiet „Auf dem Klee“ waren die
zwei südwestlichen Reihenhäuser nur jeweils mit dem nördlichen Reihenendhaus in den
Liegenschaftsdaten enthalten, so dass der restliche Teil der Reihenhäuser nicht mit ausgewertet werden konnte. Daher wurden für die Bewertung nur die Dachflächenbereiche hinzugezogen, die auch in beiden Analysen berechnet werden konnten. Abbildung 80 zeigt das
Analyse- Ergebnis der Photovoltaik-Eignung über Laserscandaten aus 2005 für die bewerteten Dachflächen. Abbildung 81 zeigt das Analyseergebnis der Photovoltaik-Eignung über
Laserscandaten aus 2011 für nur die bewerteten Dachflächen.
105
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 80: Berechnungsergebnis der für die Bewertung hinzugezogenen geeigneten
Dachteilflächen im Gebiet „Auf dem Klee“ auf Grundlage der Laserscandaten aus 2005 (Datenquelle:
STADT OSNABRÜCK 2006a, STADT OSNABRÜCK 2011a)
Abbildung
81:
Berechnungsergebnis
der
für
die
Bewertung
hinzugezogenen
geeigneten
Dachteilflächen im Gebiet „Auf dem Klee“ auf Grundlage der Laserscandaten aus 2011 (Datenquelle:
STADT OSNABRÜCK 2011a)
106
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Tabelle 16: PV-Potenzialergebnisse der Dachteilflächen aus der Bewertung auf Grundlage der
Laserscandaten 2005 und 2011 für das Gebiet „Auf dem Klee“
Eignungsklasse Geeignete Modulfläche in m²
Photovoltaik
Summe Stromertrag (15% Wirkungsgrad) in
kWh/a
Summe CO2Einsparung in kg/a
Summe kWp
sehr gut 2005
200
25.902
11.086
28,6
sehr gut 2011
239
31.818
13.618
34,1
gut 2005
551
58.790
25.162
78,7
gut 2011
517
57.837
24.754
73,9
Summe 2005
751
84.692
36.248
107,3
Summe 2011
756
89.655
38.372
108,0
Tabelle 16 listet die absoluten Potenzialwerte für die Photovoltaik-Eignung, unterschieden
zwischen den Klassen „sehr gut“ und „gut“ für beide Ergebnisdaten auf. Hier wird die Differenz zwischen den Grundlagendatensätzen aus 2005 und 2011 deutlich.
Stadt Braunschweig, Untersuchungsgebiet „zwei Straßenzüge“, Laserscannerdaten
aus 2003
Abbildung
82:
Berechnungsergebnis
der
für
die
Bewertung
hinzugezogenen
geeigneten
Dachteilflächen im Gebiet „Stadt Braunschweig“ auf Grundlage der Laserscandaten aus 2003
(Datenquelle: STADT BRAUNSCHWEIG 2007a)
107
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 82 visualisiert die geeigneten Dachteilflächen der Gebäudedächer zweier Straßenzüge in der Stadt Braunschweig. Über diese Dachteilflächen wurden per Vor-OrtBegehung und Messen der Dachneigung die Berechnungsergebnisse evaluiert.
Tabelle 17: PV-Potenzialergebnisse der Dachteilflächen aus der Bewertung auf Grundlage der
Laserscandaten 2003 für das Gebiet „Stadt Braunschweig“
Eignungsklasse Geeignete Modulfläche in m²
Photovoltaik
Summe Stromertrag (15% Wirkungsgrad) in
kWh/a
Summe CO2Einsparung in t/a
Summe kWp
sehr gut
258
33.354
17.143.785
36,8
gut
578
71.570
36.787.072
82,5
Summe
835
104.924
53.930.857
119,3
Tabelle 17 stellt die Potenzialwerte der geeigneten Dachteilflächen der zwei Straßenzüge
dar. Es sind in dem Gebiet nur zwei Eignungsklassen vorhanden.
Stadt Dresden, Photovoltaik-Referenzanlagen
Abbildung 83: Standorte und Anlagen-ID der 11 Referenz-Photovoltaikanlagen in Dresden
(Datenquelle: STADT DRESDEN 2013, OSM 2014)
108
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 83 zeigt die Lage der 11 Photovoltaik-Referenzanlagen in der Stadt Dresden. Für
diese liegen aus 3 Jahren Ertragswerte vor, die für die Bewertung der Berechnungsergebnisse hinzugezogen werden.
Tabelle 18 zeigt die Berechnungsergebnisse für die Dachflächen der 11 Anlagen. Bewertungsgrundlage ist der spezifische Stromertrag.
Tabelle 18: Berechnungsergebnisse für die Dachflächen, mit bereits installierten PV-Anlagen
Anlagen kWp
ID
Stromerzeugung pro Jahr bei 15% Spezifischer StromerModulwirkungsgrad in kWh/a
trag in kWh/ kWp
1
6,3
5.742
911
2
15
13.602
907
3
5
3.575
715
4
20,6
17.429
846
5
4,7
4.321
919
6
67,6
65.135
964
7
130,6
127.257
974
8
171
171.695
1.004
9
4,6
4.316
938
10
13,9
13.913
1.001
11
36,3
32.833
904
5.1.1 Genauigkeit der Laserscandaten
Um eine hohe Genauigkeit in der Aussage des Solarpotenzials auf Dachflächen zu erreichen, ist eine Datenqualitätskontrolle der Eingangsdaten, insbesondere der Laserscandaten,
sehr wichtig. Große Datenlücken innerhalb der Gebäudegrenzen müssen aufgedeckt und
berücksichtigt werden. Laserscandaten aus variierenden Erfassungsjahren und mit unterschiedlichen Punktdichten, sowie mit verschiedenen Laserscannern aufgenommen, wurden
ausgewertet und die Qualität hinterfragt.
Tabelle 19 zeigt die auf ihre Qualität hin untersuchten Datensätze und die Anzahl der Gebäude, die mit einer unzureichenden Laserdatenqualität aufgrund zu geringer Punktdichte
pro m² (<= 0,7 Pkt/m²) und zu großen Datenlücken (> 2 m der Euklidischen Distanz) klassifiziert wurden.
109
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 84: Darstellung Laserscanrohdatenpunkte, sichtbar sind die Scanlinien mit einem Abstand
zueinander von bis zu 2 m (Datenquelle: BEZIRKSREGIERUNG KÖLN 2013)
Abbildung 85: Darstellung der Laserscanrohdatenpunkte auf dem Gebäudedach (Datenquelle:
BEZIRKSREGIERUNG KÖLN 2013)
Ursache der stellenweise geminderten Laserscanrohdatenqualität auf Dachflächen ist oft
eine zu geringe oder fehlende Reflexion des Laserstrahls bei der Datenerhebung. Dies wird
verursacht, durch z. B. bestimmte Farbgebungen der Dacheindeckung (dunkelgrau), Feuchteverhältnisse, oder Neigungs- oder Ausrichtungswinkel zur Aufnahmerichtung. Punktabstände von bis zu 10 m und Punktdichten von bis zu 0,1 Punkten pro m² führen zu starken
Abweichungen in den Solarpotenzialanalyseergebnissen; die Dachform und Dachaufbauten
110
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
können nicht realitätsnah abgeleitet werden. Die Abweichungen gegenüber der Realität sind
zu groß.
Über die Qualitätsanalyse der Laserscandaten der Stadt Osnabrück aus 2005 wurde festgestellt, dass ca. 5% der Gebäude über eine unzureichende Punktdichte von unter 0,7 Punkten
pro m² verfügen. Weitere 1,5% der Gebäude besitzen zwar eine ausreichende Punktdichte,
verfügen aber über zu große Datenlücken auf den Dachflächen, mit über 2 m der Euklidischen Distanz, so dass man insgesamt 6,5% der Gebäude als „nicht berechenbar“ klassifizieren muss.
Tabelle 19: Ergebnisse der Rohdatenkontrolle der Laserscandaten.
Untersuchungsgebiet
Braunschweig
Aufnahmejahr
2003
geforderte mittlere Punkt- Unterdichte
suchte
Sensor
/m²
Gebäude
ALTM 1225
1
94.097
Gebäude
zu geringer
Datenqualit
ät
8.193
Proz. Anteil
Gebäude
mit zu geringer Datenqualität
8,7
Osnabrück
2005
LMS Q560
4
61.583
4.000
6,5
Spich
2006
LMS Q560
1
6.707
1.305
19,5
Altenrath Ost
2006
LMS Q560
1.342
450
33,5
Donrath
2006
LMS Q560
1.818
484
26,6
Lohmar Süd
2006
LMS Q560
1.535
322
21
Neunkirchen Ost
2006
LMS Q560
2.063
263
12,7
Gelsenkirchen
2006
ALTM3100
1
38.720
778
2,0
LK Rhein-Sieg
2006
LMS Q560
1
13.465
2.824
20,97
Troisdorf
2007
Gemini
1
7.700
74
0,96
Bielefeld
2008
ALS-5083
1
5.488
105
2,0
Wiesbaden
2008
Falcon II
4
117.404
1.052
0,9
Dresden
2009
ALTM3100
1-2
146.365
8062
5,5
Bad Bentheim
2011
ALTM3100
2
12.418
18
0,14
Osnabrück
2011
LMS Q560
10
69.759
70
0,10
1
1
1
1
ALTM
Die Ergebnistabelle (Tabelle 19) zeigt, dass abhängig des Sensors die Datenqualität in
Punktdichte und Punktverteilung z. T. erheblich gemindert ist. Datensätze mit einer mittleren
geforderten Aufnahmepunktdichte von 1 Punkt/m², mit dem Sensor LMS Q560 aufgenommen, verfügen über einen hohen Anteil an Gebäude, für die die Solarpotenzialanalyse mit
ihren Qualitätsanforderungen nicht angewendet werden kann. In diesen Datensätzen sind
insbesondere dunkel eingedeckte Dachflächen problematisch für den Sensor. Hier konnte oft
111
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
keine ausreichend starke Reflexion ausgelöst werden, die einen Datenpunkt hervorbringt.
Gute Ergebnisse, auch bei 1 Pkt/m² Aufnahmedichte, liefern die Sensoren Toposys II,
ALTM3100 und der ALTM Gemini. Mit steigender Aufnahmepunktdichte reduzieren sich die
Ausfälle auf Dachflächen, auch beim LMS Q560.
Abbildung 86: Prozentuale Angabe an Gebäuden, die aufgrund zu geringer Laserscandatenqualität
nicht berechenbar sind, mit Angabe zu Sensor und Aufnahmejahr
Im Rahmen der Methodenentwicklung wird eine Mindestanforderung an die Laserscandatenqualität von 1 Pkt/m² mittlerer Aufnahmedichte benannt, um Dachaufbauten wie Schornsteine oder Gauben weitestgehend berücksichtigen zu können. Eine Qualitätsprüfung der
Laserscanrohdaten für jedes Gebäude ist notwendig, um vereinzelte Aussetzer und damit
Dachflächen mit zu geringer Datenqualität ausfindig zu machen und aus der Ergebnisaussage heraus zu nehmen.
112
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 87: Ausfälle bei Laserscanrohdaten eines Toposys-Scansystems
Abbildung 87 bis Abbildung 90 zeigen Beispiele für Datenaussetzer auf Dachflächen. Ganz
deutlich sind die Aussetzer insbesondere auf dunklen Dachteilflächen zu sehen, was insbesondere in Abbildung 88 klar erkennbar ist.
Abbildung 88: Laserscanrohdatenpunktverteilung auf Dachflächen mit unterschiedlicher Dachfarbe im
Datensatz Braunschweig 2003 unter Verwendung des ALTM-1225-Scanners (STADT BRAUNSCHWEIG
2007a).
113
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 89: Rohdatenverteilung auf einer grauen Dachfläche, die Punktdichte lag hier bei 9 Punkten
pro 270 m² (Datenquelle: STADT OSNABRÜCK 2006)
114
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 90: Absolute Punktdichte auf Gebäuden der Stadt Wiesbaden, Sensor Toposys II. Die
geforderte Punktdichte lag bei 4 Pkt/m² (STADT W IESBADEN 2009)
Die Abbildung 90 zeigt die absolute Punktdichte eines Toposys-Sensors, der im Mittel 4
Punkte/m² aufgenommen hat. Nur vereinzelt sind rot dargestellte Gebäude zu erkennen, die
die unzureichende Punktdichte innerhalb des Gebäudeumringes markieren. Im Wesentlichen
wird eine Punktdichte von größer 0,7 bis 4 Punkte pro m² erreicht. In überlappenden Bereichen der Flugstreifen sind auch 6-10 Punkte und 10-20 Punkte pro m² sichtbar.
115
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 91: Bewertung der Laserscanrohdaten in Punktdichte und Punktverteilung der Daten
Altenrath Ost. Die rot dargestellten Gebäudeumringe bezeichnen die Gebäude mit zu geringer
Datenqualität (BEZIRKSREGIERUNG KÖLN 2013).
Abbildung 91 zeigt die Laserscanrohdatenpunktverteilung auf den Dachflächen des Datensatzes Altenrath Ost, dessen Ausfallquote bei 33,5 % lag. Auffällig ist die stark lückenhafte
Punktdichte auf den dunkelgrau eingedeckten Dachflächen. Rote Ziegeldächer verfügen
über eine ausreichend dicht und gleichmäßig verteilte Punktdatenwolke. Die
Reflektionsfähigkeit des Laserstrahls ist auf den dunkel eingedeckten Dachflächen unzureichend.
116
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 92: Ausschnitt der Kachel Donrath (BEZIRKSREGIERUNG KÖLN 2013)
Ein weiteres Beispiel der Datenausfälle insbesondere auf dunkel eingedeckten Dachflächen
zeigt Abbildung 92. Eine reale Abbildung der Dachformen mit den Dachstrukturen ist über
diese stark lückenhaften Daten nicht möglich.
Abbildung 93: Punktdatenverteilung im Datensatz Lohmar Süd (BEZIRKSREGIERUNG KÖLN 2013)
Für die hellen Gaubendächer in Abbildung 93 konnten ausreichend Höhenpunkte erfasst
werden, für das dunkle, überwiegende Gebäudedach hingegen sind kaum Höhnpunkte auf-
117
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
genommen worden. Das gesamte Gebäudedach ist für die Solarpotenzialanalyse „nicht berechenbar“.
5.1.2 Interpolationsverfahren
Innerhalb der Methodenentwicklung wurden auf Basis der Laserscandaten der Stadt Osnabrück aus der Erfassung 2011 verschiedene Interpolationsverfahren in unterschiedlichen Rastergrößen angewandt und interpretiert. Zum Einsatz kamen:

Nearest Neighbor (NN),

Inverse Distance Weighting (IDW),
in den Rastergrößen:

1 x 1 m,

0,5 x 0,5 m,
Abbildung 94: Ergebnisse unterschiedlicher Interpolationsverfahren im Querprofil anhand von
Siedlungsstrukturen.
118
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 95: Draufsicht und 2,5D-Ansicht der Siedlungsstrukturen aus dem Querschnitt von
Abbildung 94.
Abbildung 96:
Querprofil
der
Höhenunterschiede
Interpolationsverfahren.
Abbildung 97: Draufsicht zum Querschnitt aus Abbildung 96
119
zwischen
den
verschiedenen
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
In den Querprofilen ist die unterschiedliche Abbildung der Gebäudekanten abhängig der
Rastergröße und des Interpolationsverfahrens zu erkennen. Das Verfahren IDW glättet zum
Teil die scharfen Bruchkanten der Gebäudestrukturen. Dies ist in Abbildung 94 im Bereich
der Baumkronenspitzen und im westlichen Traufbereich des Gebäudes zu erkennen. Exakter
bildet die Gebäudekanten das Ergebnis über das Verfahren „NN“ aus. In der Rastergröße ist
insbesondere die Höhengenauigkeit deutlich abweichend. Das 1 x 1 m Raster erzeugt deutlich geringere Höhen, zum Beispiel in der Darstellung der Baumkronenspitzen im tiefsten
Punkt der Zwischenräume zwischen den Bäumen (siehe Abbildung 94). Die genauste Abbildung der Siedlungsstrukturen, wie die Gebäudeform und Vegetation, insbesondere die
Baumkronen, liefert das Interpolationsverfahren Nearest Neighbor.
5.1.3 Neigungs-, Orientierungs- und Flächengrößengenauigkeit
Anhand des Untersuchungsgebiets in der Stadt Osnabrück „Auf dem Klee“ wird über die Berechnungsergebnisse der zwei Solarpotenzialanalysen auf Grundlage der Laserscandaten
aus 2005 und 2011 die Neigungs-, Orientierungs- und Flächengrößengenauigkeit ermittelt.
27 Dachteilflächen, die in beiden Analysen als geeignete Flächen klassifiziert und für die PVPotenzialwerte errechnet worden, werden mit den Daten aus den Bauplänen (im Folgenden
„Konstruktion“ genannt) verglichen. Darüber kann das Verfahren und die eingesetzten
Grundlagendaten zur Berechnung des Orientierungs- und Neigungswertes, sowie die Dachflächengröße bewertet werden.
Abbildung 98: Vergleich der Dachausrichtungswerte
120
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
In der Ausrichtung sind lediglich bei der Berechnung auf Grundlage der Laserscandaten aus
2005 bei zwei Gebäudedächern deutliche Abweichungen ermittelt worden.
Abbildung 99: Vergleich der Dachneigungswerte
Die errechneten Dachneigungswerte zeigen stärkere Schwankungen zu den Realwerten.
Auch hier erwirkt der Datensatz aus 2005 stärkere Abweichungen in der Neigungsberechnung.
121
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Abbildung 100: Vergleich der Dachflächengröße
Die Bewertung der Flächengrößengenauigkeit beurteilt das Verfahren zur Ableitung der homogenen Dachteilflächen. Die am Ende der gesamten Solarpotenzialanalyse ausgegebenen, geeigneten Ergebnisflächen sind reduziert um z. B. stark abgeschattete Bereiche, verursacht durch Schornsteine, Gauben oder Bäume. Über die aus den Bauplänen ausgelesenen Referenzdaten lässt sich die verschattete Dachteilfläche nicht ableiten, sodass die Bewertung der Fläche unabhängig der Verschattungssituation betrachtet werden muss.
Die größten Abweichungen der drei Parameter gegenüber den Realwerten, können in der
Flächengrößenberechnung ermittelt werden. Hier liefern insbesondere die Ergebnisse auf
Grundlage des Datensatzes aus 2005 fast durchgängig zu kleine Dachflächen, als Maximum
bis zu 23 m².
Tabelle 20: Auswertung der Abweichungen in der Berechnung der Neigung, Orientierung und
Dachflächengröße
Abweichung
Abweichung
Abweichung
Abweichung
Abweichung
Abweichung
Neigung
Neigung
Orientie-
Orientie-
Fläche
Fläche
Konstruk- Konstruk- rung Kon- rung Kon- Konstruk- Konstruktion
zu tion
zu struktion
struktion
tion
zu tion
zu
2005
2011
zu 2005
zu 2011
2005
2011
Mittlere
Abweichung
1,12 °
0,81 °
2,88 °
1,12 °
9,44 m²
2,50 m²
Standardabweichung
3,26 °
0,48 °
17,94 °
1,17 °
7,60 m²
2,00 m²
Minimum
0°
0°
0°
0°
0,5 m²
0 m²
Maximum
15 °
2°
86 °
4°
23 m²
6 m²
Prz Abweichung
4%
2%
3%
1%
28%
6%
122
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Die Bewertung der Neigungs-, Ausrichtungs- und Flächengrößengenauigkeit ergab eine zum
Teil deutliche Abweichung in den Berechnungsergebnissen, insbesondere auf Grundlage der
Laserscandaten aus 2005. In den Berechnungsergebnissen über den Datensatz aus 2011
konnten die Abweichungen deutlich reduziert werden. Die beiden Grundlagendatensätze
unterscheiden sich in der Punktdichte und dem darüber interpolierten DOM. Das DOM des
2005er Datensatzes mit 1m² Rastergröße bildet die Dachfläche grundsätzlich zu klein ab,
was an dem für die Ableitung der homogenen Dachteilflächen verwendeten Rasterformat
des DOM und der Belegung der Dachfläche mit 2D-Rasterzellen in 1m² Größe zusammen
hängt. Strukturen wie Schornsteine werden flächengrößer separiert, Bruchkanten werden
breiter abgebildet, dies reduziert insbesondere die homogene Dachteilfläche. Zudem bewirken Ausreißer, bzw. Datenlücken, wie sie in den 2005er Daten noch vermehrt nachgewiesen
wurden, z. T. Abweichungen von bis zu 15° in der Neigung und 86° in der Ausrichtung.
Das entwickelte Verfahren liefert in Verbindung mit ausreichender Laserscandatenqualität hohe
Genauigkeiten. Abweichungen im Mittel in der Neigung von 2% und in der Ausrichtung von 1% sind im
Zusammenhang mit der Zielsetzung der Arbeit zu vernachlässigen. Starke Schwankungen der
Einstrahlung von Jahr zu Jahr und die geringe Veränderung des Strahlungswertes auf die Dachfläche
bei wenigen Grad Veränderungen in der Neigung und Ausrichtung lassen einen Schwankungsbereich
in der Potenzialaussage zu (siehe
Abbildung 17). Mit einer Abweichung von 6% in der Flächengröße und maximal 6 m² Größenunterschied ist auch hier eine akzeptable Genauigkeit erreicht. Eine Photovoltaikanlage
wird als Aufdachanlage nicht bis zum äußersten Rand des Daches installiert. Hier spielen die
Lage der Dachsparren, an denen die Unterkonstruktion befestigt wird, den ausschlaggebenden Faktor für die Positionierung der Anlage und damit auch für die maximale Ausdehnung.
Aus der Bewertung der Neigung, Ausrichtung und Dachflächengröße über die Referenzdaten
aus den Bauplänen kann zusammenfassend gesagt werden, dass eine Genauigkeitssteigerung über höhere Laserscandatenqualitäten erreicht wird. Die höhere Punktdichte ermöglicht
insbesondere eine deutliche Steigerung der Flächengrößengenauigkeit. Das entwickelte Verfahren liefert mit im Mittel 6% Abweichung gute Genauigkeiten. Auf Grund der Tatsache,
dass das Verfahren auf Basis einer Rasteranalysen läuft, werden Abweichung in der Flächengrößengenauigkeit auch bei gesteigerter Laserscandatenqualität und kleinerer Rastergröße vorhanden sein.
Tabelle 21: Ergebnisse der Methodenbewertung Braunschweig durch Vor-Ort-Messung
Neigung
Orientierung
Mittlere Abweichung
4,37
5,68°
Standardabweichung
3,36
3,30°
Minimum
0
2°
Maximum
11
13°
Prz Abweichung
9%
3%
123
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Anhand einer Vor-Ort-Begehung zweier Straßenzüge in der Stadt Braunschweig wurde die
Neigung der Hauptdachfläche ermittelt. Die Referenz der Ausrichtung stammt aus der Berechnung dieser aus den Gebäuderumringlinien (Traufbereich der Hauptdachseite) der Liegenschaftsdaten.
Die Abweichungen der Neigung und Ausrichtung liegen im Mittel bei 4,2° (Neigung) und
5,36° in der Exposition und sind damit größer als die Abweichungen in dem Gebiet „Auf dem
Klee“ auf Grundlage der Laserscandaten aus 2005.
Die Berechnung der Solarpotenzialanalyse Stadt Braunschweig wurde über Laserscandaten
aus der Aufnahme 2003 mit einer mittleren Aufnahmepunktdichte von 1 -2 Pkt/m² realisiert,
die Rastergröße des DOM lag bei 1 m².
Die Methode der Referenzdatenerfassung der Neigung birgt an sich schon eine Fehleranfälligkeit (vgl. Kapitel 4.10.2). Zudem sind die Grundlagendaten 2 Jahre älter als die Daten der
ersten Erfassung der Stadt Osnabrück. Abweichungen um die 4 Grad bzw. 5,5 Grad lassen
Potenzialaussagen als Erstinformation in Form einer Größenordnung zu. Zum Teil große
Schwankung in der realen Einstrahlung von Jahr zu Jahr und geringe Strahlungsänderung
bei gering veränderter Dachneigung oder Ausrichtung relativieren die Genauigkeitsaussage.
5.1.4 Einstrahlungsgenauigkeit
Die Einstrahlungsgenauigkeit der Berechnungsergebnisse für das Gebiet „Auf dem Klee“ aus
2011 wird über Referenzdaten aus der Strahlungsdatenbank PVGIS, wobei hier zwei Datensätze für unterschiedliche Zeiträume betrachtet werden (PVGIS Classic und PVGIS 2.0),
bewertet. Wie in Kapitel 2.1.3.1 aufgezeigt, sind die Werte aus PVGIS Classic niedriger als
die aus PVGIS 2.0.
Tabelle 22: Evaluierung von Globalstrahlungsdaten
Berechnungsergebnissen „Auf dem Klee“
aus
PV
GIS
2.0
gegenüber
den
Abweichung der Einstrahlungsberechnungsergebnisse „Auf dem Klee“
2011 zu PV-GIS 2.0
Mittlere Abweichung
32,5 kWh/m²
Standardabweichung
13,12 kWh/m²
Minimum
51 kWh/m²
Maximum
6 kWh/m²
Prz.-Abweichung
2,8%
124
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Das Ergebnis zeigt eine Abweichung von 2,8%, wobei die Berechnungswerte geringer als
die PVGIS 2.0 Werte sind
Abbildung 101: Abweichungen der Jahressumme der Globalstrahlung aus PVGIS 2.0 gegenüber den
errechneten Werten „Auf dem Klee“
Tabelle 23:
Evaluierung
von
Globalstrahlungsdaten
aus
PV
GIS
Classic
gegenüber
den
Berechnungsergebnissen „Auf dem Klee“ 2011.
Abweichung der Einstrahlungsberechnungsergebnisse „Auf dem
Klee“ 2011 zu PV-GIS Classic
Mittlere Abweichung
55,7 kWh/m²
Standardabweichung
27,6 kWh/m²
Minimum
124 kWh/m²
Maximum
28 kWh/m²
Prz.-Abweichung
5,7%
Die Abweichung der Einstrahlungswerte aus PVGIS Classic gegenüber den Berechnungsergebnissen „Auf dem Klee“ liegen bei 5,7%, die Berechnungsergebnisse sind um 5,7% höher,
als die PVGIS Classic-Werte.
Die Globalstrahlungswerte PV GIS Classic zu PVGIS 2.0 entsprechend der Dachneigung
und Ausrichtung der Dachflächen im Gebiet „Auf dem Klee“ verfügen über eine Differenz von
8,1%. Die Globalstrahlung in Osnabrück ist demnach laut PVGIS im Mittel um 8,1%
gestiegen.
125
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
5.1.5 Genauigkeit des spezifischen Stromertrags
Zur Bewertung der Genauigkeit des spezifischen Stromertrags werden Leistungswerte von
elf bestehenden Photovoltaik-Anlagen in der Stadt Dresden (2011) hinzugezogen, deren
Leistungswerte für die Jahre 2009-2011 vorliegen. Da die Schwankung des spezifischen
Stromertrags von Jahr zu Jahr relativ hoch sein kann, ist eine Mittelwertbildung aus den Jahreswerten sinnvoll. Eine verlässliche Aussage zur Genauigkeit des spezifischen Stromertrags kann erst über eine Mittelwertbildung der Leistungsdaten von Referenzanlagen aus ca.
10 Jahren vorgenommen werden.
Abbildung 102: Darstellung des spezifischen Stromertrags der elf Referenzanlagen für die Jahre 20092011 und der Berechnungsergebnisses aus der Solarpotenzialanalyse
Nach Mittelwertbildung der Referenzwerte über die drei Jahre liegt die prozentuale Abweichung bei 1,2%. Die Berechnungswerte liegen überwiegend in der Mitte des Schwankungsbereichs der aus drei Jahren stammenden Referenzwerte (siehe Tabelle 24).
126
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Tabelle 24: Bewertung der Abweichungen des errechneten spezifischen Stromertrags gegenüber den
elf Referenzanlagen in Dresden
Abweichung des errechneten spezifischen Stromertrags gegenüber der Referenz PV-Anlagen Dresden
Mittlere Abweichung
48 kWh/kWp
Standardabweichung
51,26 kWh/kWp
Minimum
139 kWh/kWp
Maximum
0 kWh/kWp
Prz.-Abweichung
5.2
1,2%
Werkzeug zur Berechnung des Solarenergiepotenzials auf
Dachflächen
Für die Methodenentwicklung konnten bestehende GIS-Funktionalitäten eingesetzt werden.
Die Methode zur großflächigen Solarpotenzialanalyse gliedert sich im Wesentlichen in sechs
Verfahrensschritte, die über sechs einzelne Analyse-Skripte abgebildet werden. Die Zusammenführung der Ergebnisse wird hierbei nicht mit eingerechnet. Jeder Verfahrensschritt liefert Zwischenergebnisse, die als Eingangsdatensatz in den nachfolgenden Arbeitsschritt einfließen. Bewusst wurde auf ein Zusammenführen der Teilskripte verzichtet, um zwischen den
Verfahrensschritten Datenkontrollen durchführen zu können. Erst wenn die Zwischenergebnisse aus dem abgeschlossenen Verfahrensschritt als fehlerfrei bewertet werden, wird der
nachfolgende Prozess angestoßen. Die entwickelte Methode zur Solarpotenzialanalyse erreicht damit eine hohe Automatisierung, aber keine vollständige Automatisierung.
Kern des Verfahrens sind die Ableitung der homogenen Dachteilflächen und die Einstrahlungsanalyse. Den ressourcenintensivsten Teil stellt die Einstrahlungsanalyse dar. Im Rahmen der Methodenentwicklung ist zunächst kein Fokus auf die Länge der Berechnungszeit
gelegt worden; Anforderung dieser Arbeit war die grundsätzliche Entwicklung eines automatisierten Verfahrens, welches die Zielsetzungen (siehe Kapitel 1.2) erfüllt. Eine Kachelung
der Eingangsdaten (z.B. DOM und Liegenschaftsdaten) des Untersuchungsgebiets und Berechnung dieser nacheinander (Batch-Prozess) brachte eine deutliche Zeitersparnis, bzw.
ließ bei sehr großen Gebieten nur so den Prozess erfolgreich durchlaufen. Das von der Autorin entwickelte Verfahren konnte dadurch auf Untersuchungsgebiete mit über 100.000 Gebäuden und Flächengrößen bis 330 km² erfolgreich angewendet werden.
127
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
6
Diskussion und Ausblick
Die Zielsetzung der im Rahmen dieser Arbeit entwickelten Methode ist die Berechnung des
Solarpotenzials auf Dachflächen mit hoher Genauigkeitsausgabe und für großflächige Gebiete. Hochauflösende Laserscandaten, die über eine rasterbasierte Modellierung zur Ermittlung
der Standortparameter wie Dachneigung, Dachausrichtung, Verschattung, Einstrahlungsenergie und Dachflächengröße ausgewertet werden, bilden die Grundlage für das Verfahren.
Die Methode zur Solarpotenzialberechnung wurde mit dem Hintergrund des notwendigen
Handlungsbedarfs an Maßnahmen für den Klimaschutz entwickelt. Die Ausgabe des Solarpotenzials auf Dachflächen für alle Gebäude einer Verwaltungseinheit liefert flächendeckende und neutrale Informationen für den Bürger und die Verwaltung. Insbesondere die solare
Nutzung auf den keiner Flächenkonkurrenz unterliegenden Dachflächen birgt enormes Potenzial und liefert einen wichtigen Beitrag zur Energiewende.
Das relativ junge Laserscanverfahren, welches sich in den vergangenen Jahren stark weiter
entwickelt hat, die Genauigkeit und Punktdichte deutlich erhöht wurde, liefert eine sehr gute
Basis. Laserscandaten erfassen die Dachfläche in Abhängigkeit der Qualität dieser Daten
sehr differenziert, so dass auch Dachstrukturen wie Schornsteine und Gauben darüber abgebildet werden. Für eine detaillierte Solarpotenzialdachanalyse sind beeinflussende Gegebenheiten, die die Nutzung einer Solaranlage (Photovoltaik und Solarthermie) beeinträchtigen können, unbedingt hinzuzuziehen und zu berücksichtigen. Schornsteine, Gauben oder
Schattenwurf durch Bäume und Topografie verhindern möglicherweise die ertragreiche und
wirtschaftliche Nutzung einer Solaranlage.
Ein zentraler Verfahrensschritt der entwickelten Methode stellt die Ableitung der homogenen
Dachteilflächen dar. Das Mehrfach-Thresholding zerteilt das Dach in planare Teilflächen, die
in Neigung und Ausrichtung homogen sind. Hierbei werden auch in Abhängigkeit der Qualität
der Laserscandaten kleine Dachstrukturen wie Schornsteine und Gauben selektiert und separat betrachtet.
Über den r.sun Algorithmus von GRASS GIS wird die Einstrahlungsanalyse umgesetzt, die
den Sonnenstand über den Tag und das Jahr für den Betrachtungsort simuliert und die direkte, diffuse und Globalstrahlung auf die Dachfläche für unterschiedliche Zeitperioden ausgeben lässt. Die Jahressumme der Globalstrahlung wird für jede Dachteilfläche unter Ausschluss stark verschatteter Bereiche errechnet und dient als Grundlage für die Potenzialberechnung.
128
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Im Ergebnis enthält jedes Dachteilflächenpolygon Angaben zur geeigneten Modulfläche, zur
Höhe der Globalstrahlung, zum potenziellen Stromertrag, zur potenziellen kW-Leistung und
zur CO2-Einsparsumme.
Die Genauigkeit der Berechnungsergebnisse, evaluiert über Gebäudepläne realer Objekte,
Vor-Ort Messungen und Erträge von bestehenden PV-Anlagen bestätigt den Methodenansatz und liefert zufriedenstellende Resultate. Erzielbare Abweichungen von 2% in der Neigung und 1% in der Ausrichtung sind über Laserscandaten mit ausreichender Qualität über
die entwickelte Methode erreichbar. Größere Abweichungen mit 6% Prozent wurden bei der
Dachflächengröße errechnet. Die Bewertung über Referenzanlagen und dessen spezifischem Stromertrag mit einer Abweichung von 1,2 % bestätigt die Herangehensweise der
Methode.
Die im Rahmen dieser Arbeit entwickelte Methode liefert eine Möglichkeit über hochauflösende Laserscandaten und für große Gebiete das Solarpotenzial auf Dachflächen automatisiert zu errechnen.
6.1
Diskussion
Das Ergebnis dieser Arbeit präsentiert eine Methode, über die eine automatisierte Berechnung des Solarpotenzials auf Dachflächen auf Basis von Laserscandaten mit hoher Genauigkeitsausgabe für große Region realisierbar ist. Die Methode besteht aus sechs Prozessschritten. Es handelt sich um die Datenaufbereitung, die Selektion der homogenen
Dachteilflächenbereiche, die Einstrahlungsanalyse, die Verschattungsableitung und die Berechnung des Solarpotenzials. Zudem wird eine Rohdatenkontrolle zur Qualitätsbewertung
der Laserscandaten umgesetzt.
Datengrundlage sind Laserscandaten, die die Oberflächensituation mit sämtlichen Strukturen
abbilden, sowie Gebäudeumringe aus den Liegenschaftsdaten zur Lokalisierung des Gebäudes, beziehungsweise des Daches. Laserscandaten eignen sich, abhängig von der Qualität, sehr gut, um im Modell den Betrachtungs- und Einflussraum, der für die Ausgabe des
Solarpotenzials auf Dachflächen wichtig ist, flächendeckend und realitätsnah abzubilden.
Hier sind insbesondere das Dach insgesamt und die Dachstrukturen sowie die Vegetation,
insbesondere Bäume und die Umgebungstopographie die wichtigen Elemente, die flächendeckend und in möglichst hoher Auflösung im Modell vorliegen und berücksichtigt werden
sollen. An die Laserscandaten werden bestimmte qualitative Anforderungen gestellt, um eine
Genauigkeit der Potenzialwerte zu garantieren. Zentraler Verfahrensschritt ist die Ableitung
der homogenen Dachteilflächen, die unter Berücksichtigung möglichst vieler, auch kleiner
Dachstrukturen, gebildet werden. Das entwickelte Mehrfach-Thresholding Verfahren ermöglicht über die Auswertung der Dachneigung und Dachausrichtung die Separierung von Dach-
129
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
teilflächen mit einer prozentualen Abweichung von 2% in der Neigung und 1% in der Ausrichtung. Größere Abweichungen mit 6% Prozent werden bei der Dachflächengröße erreicht.
Leistungsstärkster Verfahrensschritt ist die Einstrahlungsanalyse, die über das GRASS GIS
Modul r.sun und einer Eigenentwicklung zur Kalibrierung der Koeffizienten an Vor-Ort Gegebenheiten realisiert wird. Je nachdem welche Zeitperiode für den Kalibrierungswert der Globalstrahlung verwendet wird, werden etwas höhere oder niedrigere Einstrahlungswerte als
Berechnungsergebnis ausgegeben. Die Abweichung zu DWD- oder PVGIS-Daten ist zwar
errechenbar, aber nicht unbedingt zu bewerten, da die Strahlungssituation in den folgenden
20 Jahren nicht vorhersehbar ist. Die Daten der Strahlungsdatenbanken liefern Einstrahlungswerte der Vergangenheit.
Eine hohe Genauigkeit erreichen die im Endergebnis ausgegebenen Potenzialdaten. Der
Vergleich des spezifischen Stromertrags von PV-Realanlagen mit den Berechnungsergebnissen liefert eine Abweichung von 1,2%.
Die Ergebnisse der Solarpotenzialanalyse sind abhängig von der Qualität der Laserscandaten. Die Laserscanrohdaten sind in der Regel als Bestandteil des Erfassungsauftrags von
den Befliegerfirmen nach pulse Art (first, only, last) separiert beziehungsweise markiert. Für
die Solarpotenzialanalyse werden nur die Höhenpunkte, die die Höhe der Oberflächenstrukturen abbilden, benötigt. Es handelt sich um den First und Only Pulse. Die Datenaufbereitung der Laserscanrohdaten für die Umsetzung der Solarpotenzialanalyse beinhaltet die Verifizierung der Punktdichte und Punktverteilung innerhalb der Gebäudeumringe. Laut Maas
(2004) hängt die räumliche Auflösung der Laserscandaten vom Flugzeuglaserscansystem
ab. Hier sind die Datenrate, Fluggeschwindigkeit und Flughöhe, die Geländeneigung, der
verwendete Scanmechanismus, die Breite des Geländestreifens und gewählte Scanbreite
sowie die Genauigkeit der Bestimmung der Plattformorientierung einflussgebend. Die untersuchten Laserscandaten zeigen deutlich eine Verbesserung der Qualität mit steigender
Punktdichte und Weiterentwicklung der Sensoren. Über die Jahre durchgängig im Einsatz ist
der Riegel Scanner LSM-Q560. Die Laserscandaten, die mit diesem Sensor erfasst sind,
verfügen in den früheren Aufnahmejahren durchweg innerhalb der Gebäudeumringe über
einen hohen Anteil an Datenlücken. Die Ausfallquote an Gebäuden mit unzureichender Laserdatenqualität liegt in den untersuchten Daten bei maximal 33%. Datenlücken entstehen
insbesondere bei dunkel eingedeckten Dachflächen. Mit Steigerung der Aufnahmepunktdichte und damit verbundener höherer Lasermessrate sowie geringerem Streifenabstand und
reduzierter Scanfrequenz werden in den Daten aus der Erfassung 2011 für das Stadtgebiet
Osnabrück nur noch wenige Datenlücken lokalisiert und eine Ausfallquote an Gebäuden mit
zu geringer Qualität von 0,1% erhoben. Die Scanner von Optech und Leica bewirken auch in
den Daten mit älteren Erfassungszeitpunkten deutlich weniger Datenlücken. Hier seien die
Datensätze Braunschweig (Aufnahme 2003) oder Gelsenkirchen (Aufnahme 2007) mit Gebäudeausfallraten von 8,7 % und 2% zu nennen. Der Gemini wird auch bei einer Punktdichte
von nur 1 Punkt pro m² mit einer hohen Lasermessrate eingesetzt, der Leica-Sensor erfasst
mit einer, gegenüber den anderen Sensoren, sehr geringen Scanfrequenz.
130
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Die Qualitätssteigerung, insbesondere der First Pulse-Daten, ist mit dem zunehmenden Interesse an diesem Datensatz zu begründen. Nicht mehr nur die Abbildung des Geländes über
Laserscandaten ist von Interesse, sondern auch die Höheninformationen der Geländestrukturen, die ein digitales Oberflächenmodell erstellen und damit 3D-Gebäudemodelle oder Solarpotenzial-Dachanalysen umsetzen lassen, haben in der Vergangenheit stark an Interesse
gewonnen. Die Punktdichte und Punktverteilung innerhalb der Gebäudeumringe sollte für die
Umsetzung einer Solarpotenzialanalyse auch bei aktuellen Laserscandaten überprüft werden. Es ist jedoch grundsätzlich aufgrund verbesserter Technik, optimierter
Scannereinstellungen und erhöhter Punktdichte mit nur noch wenigen Datenausfällen zu
rechnen. An Mindestqualität der Laserscandaten für die Umsetzung einer Solarpotenzialanalyse wird eine Punktdichte von im Mittel 1 Punkt pro m² benannt. Innerhalb eines Gebäudeumrings sollte die Punktdichte von 0,7 pro m² nicht unterschritten werden. Datenlücken
aufgrund fehlender Laserscanrohdatenpunkte dürfen nicht größer als 2 m der Euklidischen
Distanz betragen.
Ein weiterer wichtiger Datenaufbereitungsschritt ist die topologische Kontrolle der Gebäudeumringe, die keine Überlappungen aufweisen dürfen.
Das angewandte Interpolationsverfahren der Laserscandaten zur Berechnung eines flächendeckenden Oberflächenmodells beeinflusst die Darstellung der Dachstrukturen. Das
„Nearest Neigbour“ Verfahren liefert die realitätsnächste Abbildung.
Wie in Kapitel 2.3.2 beschrieben, verfolgen Verfahren zur automatisierten Ableitung von
LoD2 Gebäudemodellen (KOLBE 2009) im Ansatz die Zielsetzung dieser Arbeit. BROTRÜCK
(2007) beschreibt, dass aufgrund bestimmter Anordnungen der Dacheinzelflächen und über
die Art des Giebels Dächer in Deutschland bestimmten Dachformen zuzuordnen sind. Über
den Standard LoD2 wird die vorwiegende Dachform als 3D-Modell aufgebaut.
Die bestehenden Verfahren zur Solarpotenzialanalyse, die von Unternehmen als Dienstleistung angeboten werden, unterscheiden sich in der Verwendung der Grundlagendaten und
der methodischen Umsetzung. In den meisten Verfahren werden kleine Dachstrukturen wie
Schornsteine nicht extra separiert, sondern der Dachseite zugeschlagen. Das Verfahren von
SIMUPLAN (2012) verwendet als Datengrundlage 3D-Gebäudemodelle, die die vorwiegende
Dachfläche abbilden. Eine Detailanalyse mit Berücksichtigung der Dachstrukturen wird erst
in einer Einzelhausanalyse im zweiten Schritt umgesetzt. GEOPLEX (2013) leitet aus Laserscanrohdaten das Gebäude an sich und die Dachseiten ab. Das Abbild des Daches wird im
Ergebnis über die überwiegende Dachform beschrieben. Auch hier werden Dachstrukturen
wie Schornsteine nicht separat abgebildet. TETRAEDER (2012) bildet die Dachform vereinfacht in Form eines triangulierten Modells ab. Die Ergebnispolygone des Daches haben
überwiegend eine Dreiecksform. KLÄRLE (2011) visualisiert das Solarpotenzial gebäudescharf. Das Potenzial wird nicht dachteilflächenscharf dargestellt. In einer Detailvisualisierung werden die Einstrahlungsergebnisse auf Rasterbasis für die geeigneten Dachteilbereiche abgebildet.
131
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Das mit dieser Arbeit entwickelte Verfahren setzt dort an, wo die Verfahren von SIMUPLAN
(2012), GEOPLEX (2013), TERAEDER (2012) und KLÄRLE (2011) aus Sicht der Autorin nicht
detailliert genug vorgehen. Weitere wissenschaftliche Untersuchungen zur Dachteilflächenseparierung werden hinzugezogen.
TARSHA-KURDI ET AL. (2007) beschreiben die unterschiedlichen Verfahren zur Ableitung von
Gebäudemodellen über Laserscandaten und stellen fest, dass die bestehenden Verfahren
alle Beschränkungen aufweisen und die Automatisierung nach wie vor eine schwierige Aufgabe darstellt. Sie sagen, dass ein realitätsgetreueres Ergebnis über das datengetriebene
Verfahren gemäß dem Originalgebäude erreicht wird, wenn die Punktwolke relativ gleichmäßig verteilt ist und die Punktdichte in der Relation der zu extrahierenden und modellierenden
Gebäudeelemente (Gebäudedach und Dachstrukturen) steht. Es wird angemerkt, dass ansonsten der Aufwand mit hoher Auflösung nicht zu leisten war Hinsichtlich der Modellgenauigkeit kann nicht pauschal gesagt werden, dass der modellgetriebene Ansatz der genauere
gegenüber dem datengetriebenen Ansatz ist.
Der datengetriebene Ansatz zur Ableitung von Gebäudemodellen kommt der Zielsetzung der
in dieser Arbeit entwickelten Methode am nächsten. Hier sei insbesondere der Algorithmus
zum Regionen-Wachstum zu nennen, dessen Verfahren sich ROTTENSTEINER schon 2003 zu
Nutze macht. Zudem setzen JOCHEM ET AL. (2009) den Algorithmus ein, um auf Basis der
3D-Laserdatenpunktwolke die homogenen Dachflächen zu separieren. Das Segment
wächst, bis es die Kante oder den Rand eines Dachs erreicht. Defizitär ist hierbei das Ignorieren, bzw. Eliminieren von kleinen Dachteilflächen, die in diesem Ansatz nicht von Interesse sind, für die Solarpotenzialanalyse aber durchaus wichtig erscheinen.
Das in dieser Arbeit entwickelte Mehrfach-Thresholding-Verfahren wendet eine Art
Regionen-Wachstum über die mehrfache Veränderung der Schwellwertgrenzen und das
immer wieder Neuberechnen des Neigungs- bzw. Ausrichtungswertes innerhalb des
Segments an. Die Region wächst, weil fest gesetzte Schwellwertgrenzen auf den Neigungsund Ausrichtungswert dadurch aufgehoben und Rasterzellen neben dem Segment mit
ähnlichem Neigungs- oder Ausrichtungswert der Region im Laufe der ThresholdingVorgänge zugeordnet werden. Im Rahmen dieses Vorgangs, welches im Verfahrensschritt
„Ableitung homogener Dachteilflächen“ abläuft, werden auch die abschließende
Dachneigung und Dachausrichtung für jedes Segment, was einer homogenen Dachteilfläche
entspricht, errechnet. Die Genauigkeiten der über das Thresholding-Verfahren errechneten
Dachneigung und Dachausrichtung bei entsprechender Laserscandatenqualität bestätigt die
Herangehensweise der Methodenentwicklung. Die mittleren Abweichungen der
Berechnungsergebnisse im Gebiet „Auf dem Klee“ auf Grundlage der Laserscandaten aus
2011 liegen in der Neigung bei 0,81 Grad und in der Ausrichtung bei 1,12 Grad (siehe
132
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Tabelle 20). Da sich die Höhe der Globaleinstrahlung bei gering veränderter Neigung und
Ausrichtung der Betrachtungsfläche um wenige Grad kaum ändert (siehe
Abbildung 17), haben die Abweichungen der Neigungs- und Ausrichtungsberechnung kaum
Auswirkungen auf die darüber ermittelten Ertragswerte einer Photovoltaik- bzw. Solarthermie-Anlage.
Die für die Kalibrierung eingesetzten örtlichen Globalstrahlungsdaten sollten einem mittleren
Langzeitwert entsprechen. Die zur Verfügung stehenden Daten des DWD und aus der Datenbank PVGIS umfassen einen Mittelwert aus unterschiedlichen Zeitperioden. Davon abhängig ist die Höhe der Jahressumme bzw. der Monatsmittelwerte der Globalstrahlung horizontal. Bedenkt man, dass die Solarpotenzialanalyse den Ertrag einer Photovoltaik- oder
Solarthermieanlage für die zukünftige Situation der nächsten 20 Jahre und mehr ausgeben
soll, ist auch die Berücksichtigung der Entwicklung der zukünftigen Strahlungssituation sinnvoll. Laut Aussagen des DWD (2012) besteht aktuell ein ansteigender Trend der Globalstrahlung um ca. 0,2% bis 0,4% pro Jahr, wobei die Ursachen sich nicht eindeutig klären lassen.
Zudem sind die Auswirkungen der stattfindenden Klimaveränderung auf die Globalstrahlung
weitestgehend ungeklärt, so dass ein Trend für die zukünftige Entwicklung der Globalstrahlung kaum möglich ist. Die Langzeitmittelwerte des DWD umfassen eine Zeitperiode der vergangenen 30 Jahre, PVGIS 2.0 gibt Mittelwerte der vergangenen 10 Jahre (2001 – 2010)
aus, die dementsprechend höher sind. PVGIS 2.0 gibt gegenüber den Werten des DWD aus
dem 30 jährigen Mittel einen um 2,3% höheren Globalstrahlungswert für die Stadt Osnabrück
aus. Um eine solide Ertragsprognose liefern zu können, sind Daten aus der 30 jährigen Erfassung zu bevorzugen. Die Ausgabe eines eher pessimistischen Ertragswertes für die solare Nutzung auf einem Dach ist für den Einsatzbereich und die Zielsetzung eines Solarkatasters angebracht. Die Bewertung der im Rahmen dieser Arbeit entwickelten Vorgehensweise
zur Einstrahlungsanalyse bzw. die Ergebnisse daraus für das Testgebiet „Auf dem Klee“ liefern eine Unterschreitung gegenüber den PVGIS 2.0 Daten von 2,8%. Die Berechnungsergebnisse der Globalstrahlung übersteigen die Werte aus PVGIS Classic um 5,7%.
Die mittlere Abweichung in der Flächengröße liegt im besten Fall bei 2,5 m², die Standardabweichung bei 2 m². Deutlich schlechtere Ergebnisse lieferte die Analyse auf Grundlage der
Laserscandaten von Osnabrück aus 2005 mit einer Rastergröße des DOM‘s von 1 m².
Abweichungen in der Flächengrößenberechnung sind unter anderem verursacht durch die
Umsetzung über Rasteranalysen. Zudem beeinflusst die Rastergröße des DOM’s die Flächengrößengenauigkeit. Insbesondere bei der Berechnung auf Grundlage eines 1m² DOM
werden die, die homogene Dachfläche unterbrechenden, kleinen Dachstrukturen größer abgeleitet, als sie in der Realität vorhanden sind und reduzieren damit die anderen Dachteilflächen. Zudem führen getreppte Kanten der Teilflächen, die im Ergebnis als Polygone vorlie-
133
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
gen, zum Flächenverlust. Der Vergleich der Ergebnisse aus den Berechnungen über die Daten aus 2005 und 2011 für Osnabrück mit unterschiedlichen Rastergrößen im DOM von 1m²
und 0,25 m² ergab eine Genauigkeitssteigerung in der Flächengröße bei kleinerer Rastergröße von 22%. Die Dachflächengrößengenauigkeit lässt noch Entwicklungspotenzial zu, die
Berechnung über ein feineres Raster könnte die Genauigkeit steigern und wäre eine weitere
Zielsetzung, die im Rahmen dieser Arbeit jedoch nicht weiter untersucht wurde.
Der sechste und letzte Verfahrensschritt ist die Berechnung des Solarpotenzials. Abzüglich
der stark verschatteten Dachteilbereiche werden für die im Ergebnis vorliegenden Polygone
die mittlere Globalstrahlung ermittelt und die Potenzialparameter für die Photovoltaik- und
Solarthermienutzung errechnet. Über die anerkannte DIN 61724 (LAQUAI 2003) wird der potenzielle Stromertrag, über einen speziellen anzunehmenden Modulwirkungsgrad kalkuliert.
Bewertet wird die Genauigkeit der Potenzialwerte über den spezifischen Stromertrag von
bestehenden PV-Anlagen. Dieser ist unabhängig vom Modul- und Anlagenwirkungsgrad und
kann auch ohne genaue Kenntnis der Techniken der bestehenden PV-Anlagen errechnet
und als Referenz verwendet werden.
Die Genauigkeit der errechneten Potenzialwerte bewertet das Verfahren insgesamt und liefert die entscheidende Aussage zur Methodenentwicklung. Der spezifische Stromertrag des
errechneten Ergebnisses gegenüber den Referenzwerten liegt bei einer prozentualen Abweichung von 1,2 % und beweist damit die hohe Genauigkeit, die über das entwickelte Verfahren ausgegeben werden kann. Der spezifische Stromertrag berücksichtigt nicht die geeignete Modulflächengröße. Er liefert Aussagen zum Stromertrag pro kWp-Leistung. Abweichungen in der geeigneten Modulflächengröße haben keinen Einfluss auf den spezifischen
Stromertrag.
Die Berechnung des Solarpotenzials auf Dachflächen hat zum Ziel, möglichst detaillierte Informationen pro Dachteilfläche auszugeben, um den Hauseigentümer über die Eignung seines Daches zur solaren Nutzung zu Informationen und ihn für die Installation einer Solaranlage zu sensibilisieren. Die Solarpotenzialanalyse ersetzt nicht den Installateur und das Detailgutachten, welches weitere im Rahmen der Analyse nicht betrachtete Rahmenbedingungen berücksichtigt und bewertet. Zum Beispiel sind die Statik und Qualität des Daches, plan
eingefasste Dachfenster sowie veränderte Rahmenbedingung gegenüber den für die Analyse verwendeten Grundlagendaten nicht berücksichtigt. Die Laserscandaten geben die Erdoberflächensituation zu einem ganz bestimmten Zeitpunkt, dem Zeitpunkt der Datenaufnahme, wieder. Veränderungen die danach stattfinden, wie das Fällen eines Baumes oder
Dacherneuerungen, wie z. B. der Neubau einer Gaube, werden in der Analyse nicht berücksichtigt. Die für die Berechnung zu verwendenden Laserscandaten sind in der Regel wenige
Monate bis mehrere Jahre alt.
134
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Die über das entwickelte Verfahren hervorgebrachte Detailinformation zum Solarpotenzial
pro Dachteilfläche erfüllt mit den erreichten Genauigkeiten ihr Ziel einer detaillierten Erstinformation. Aussagen zur Eignung der Dachfläche , der Höhe der Einstrahlungssumme pro
Jahr, der potenziellen kWp-Leistung, bezogen auf bestimmte Modultechniken und der zur
Verfügung stehenden Dachteilflächengröße, abzüglich der stark verschatteten Dachflächenbereiche sind errechenbar. Die entwickelten Algorithmen ermöglichen es die Analyse großflächig und über einen hohen Automatisierungsanteil umzusetzen. Laserscandaten liefern
abhängig ihrer Aufnahmequalität alle wichtigen Informationen und sind dazu geeignet, die
geforderte Genauigkeit der Ergebnisse zu realisieren.
Durch hinzuziehen weiterer Betrachtungspunkte in das im Rahmen dieser Arbeit entwickelte
Verfahren zur Solarpotenzialanalyse kann die Genauigkeit der Potenzialaussagen weiter
gesteigert werden.
Zunehmende Qualitätsanforderungen an Laserscandaten in der Lagen- und Höhengenauigkeit, sowie höhere Punktdichten werden vermutlich auch die Genauigkeiten der Solarpotenzialergebnisse steigern. Hier sei insbesondere die Flächengrößengenauigkeit zu nennen, die
möglicherweise über kleinere Rastergrößen des DOM weiter angehoben werden könnte.
Die Berücksichtigung des Baumwuchses innerhalb der für eine Wirtschaftlichkeitsberechnung betrachteten 20 Jahre erfasst auch erst später verursachte Verschattungen auf die
Dachfläche.
Objekte im Dach wie z.B. plan eingefasste Dachfenster reduzieren real die geeignete Dachfläche, da sie nicht mit einer PV-Anlage belegt werden können. In dem entwickelten Verfahren dieser Arbeit werden sie nicht separiert und daher nicht berücksichtigt.
Ein wichtiger weiterer Punkt ist die Aktualisierung des DOM bzw. der Angleich der Gebäudeumringe an die DOM-Situation, um Veränderungen, die nach der Laserdatenaufnahme bis
zum Berechnungszeitpunkt stattfanden, in die Berechnung mit einfließen zu lassen. Im Wesentlichen geht es hier um den Abriss oder Neubau von Gebäuden.
Die aktuelle Klimasituation bedarf Maßnahmen, die Bürger animiert, sich an der Energiewende für den Klimaschutz zu beteiligen. Solarpotenzialanalysen und die Veröffentlichung
der Ergebnisse in Form eines Auskunftssystems als Web-GIS Anwendung zeigen die Möglichkeiten der solaren Nutzung auf Dachflächen auf und liefern wichtige Erstinformationen.
Die entwickelte Methode ermöglicht die großflächige Berechnung des Solarpotenzials auf
Dachflächen unter Berücksichtigung auch kleiner Dachstrukturen und liefert damit einen
neuen und ganz wichtigen Baustein in den Verfahrensentwicklungen der 3D-
135
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Gebäudemodellierung und Solarpotenzialanalyse. Hier sei insbesondere der neue Ansatz
der Dachteilflächenseparierung, die über die Dachneigung und Dachausrichtung umgesetzt
wird, hervorgehoben. Darüber lassen sich in der Solarpotenzialanalyse die Genauigkeiten
der Potenzialausgaben deutlich steigern. In der 3D-Gebäudemodellierung liefert die Dachteilflächenseparierung einen neuen Verfahrensansatz, der kleine Dachstrukturen berücksichtigt.
Allerdings sollten hier die unterschiedlichen Anforderungen zwischen dem Aufbau eines 3DGebäudemodells und der Berechnung und Darstellung des Solarpotenzials auf Dachflächen
bedacht werden. In der 3D-Gebäudemodellierung geht es um die automatisierte Ableitung
und 3D-Darstellung des Gebäudes mit vorwiegender Dachform auch unter Verlust der Details, was für viele Anwendungen ausreicht. In der Solarpotenzialanalyse ist die Genauigkeit
der errechneten Potenzialwerte unter Berücksichtigung auch der kleinen Dachstrukturen das
entscheidende Ergebnis. Dachstrukturen müssen für die Solarpotenzialberechnung entgegen dem Ansatz der 3D-Gebäudemodellierung erkannt und in Ihrer Dimension erfasst, aber
nicht konstruiert und als 3D-Modell abgebildet werden. Die Ergebnispräsentation des Solarpotenzials bzw. der geeigneten Dachteilflächen ist als 2D-Abbildung ausreichend.
6.2
Ausblick
Die Umsetzung flächengroßer Solarpotenzialanalysen als Instrument für den kommunalen
Klimaschutz und zur Veröffentlichung der Ergebnisse über Solardach-Websites haben sich
bewährt und sind mittlerweile vielfach umgesetzt worden. Die Genauigkeit der Solarpotenzialergebnisse hängt von verschiedenen Faktoren, wie der Grundlagendatenqualität und dem
Berechnungsalgorithmus ab. Die Ergebnisse der flächengroßen Solarpotenzialanalysen über
Fernerkundungsdaten dienen als Erstinformation für den Hauseigentümer und ersetzen kein
detailliertes Gutachten. Dieses ist aufgrund nicht berücksichtigter Parameter wie der Dachstatik, oder veränderter Situationen nach Aufnahme der Laserscandaten notwendig. Handwerksbetrieben soll durch die flächendeckende Information zum Solarpotenzial eine Marktunterstützung geliefert werden. Der Fachmann soll weiterhin vor Abgabe eines Angebots das
Gebäudedach in Augenschein nehmen.
Das im Rahmen dieser Arbeit entwickelte Verfahren zur Solarpotenzialanalyse kann durch
weitere Betrachtungspunkte an Genauigkeit gesteigert werden. Die Berücksichtigung des
Baumwuchses innerhalb der für eine Wirtschaftlichkeitsberechnung betrachteten 20 Jahre ist
sinnvoll. Eine Selektion der Vegetation über Laserscandaten ist möglich. Untersuchungen
zur Differenzierung nach Baumkategorie (Laub-/Nadelbaum) liefern Ansätze dazu. Eine differenzierte Höhenaufaddierung der Baumkronenbereiche je nach Baumkategorie würde die
Situation in ca. 20 Jahren simulieren. Eine weitere Einstrahlungs- und Verschattungsanalyse
auf Grundlage dieser zukünftigen Situation lässt auch Aussagen zur Wirtschaftlichkeit des
Standortes in 20 Jahren zu und steigert somit die Genauigkeit der Potenzialergebnisse.
136
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Im Rahmen des entwickelten Verfahrens wird die Dachfläche in ihre planaren Einzelflächen
zerlegt. Nicht berücksichtigt werden dabei plan eingefasste Dachfenster. Die Berücksichtigung dieser in der Methode würde die Genauigkeit der geeigneten Modulfläche erhöhen. Die
Stärke der Reflexion vom Objekt des vom Flugzeug ausgesandten Laserstrahls wird mittlerweile standardmäßig bei jeder Laserdatenerfassung mit aufgenommen und ermöglicht Aussagen zur Oberflächenbeschaffenheit des auslösenden Objektes. Glasflächen bewirken eine
andere Reflexionsstärke als z.B. Tonziegeln oder Betonziegeln. Über diesen Ansatz wäre
gegebenenfalls eine Selektion von Glasbereichen (Dachfenster) auf der Dachfläche möglich
und die geeignete Modulfläche könnte differenzierter ausgegeben werden.
Im Rahmen von Neubauvorhaben sollte die Berücksichtigung der solaren Nutzung bereits in
der Planungsphase, sowohl aktiv als Anlage auf dem Dach und der Fassade zur Produktion
von regenerativem Strom oder Wärme, als auch passiv zur Aufwärmung des Gebäudes, zum
Standard werden. Das durch die Autorin entwickelte Verfahren lässt sich auch für diese Betrachtungsebenen anwenden.
Der Solarstrom wird auch in Zukunft in der Energiewende eine zentrale Rolle spielen. Neben
Windstrom wird Photovoltaikstrom das zukünftige Stromsystem prägen. Eine annähernd
100% regenerative Stromversorgung ist möglich. Die konventionelle Energieproduktion ist
nach wie vor fest verankert und wird durch eine große Lobby befördert. Hier wird sehr viel
Überzeugungsarbeit mit guten Argumenten zu liefern sein. Der Umbau zur regenerativen
Stromversorgung wird zudem noch hohe Investitionen mit sich bringen, die als Konjunkturprogramm zu einem Wirtschaftswachstum führen können. Unabhängig davon sollte darüber
nachgedacht werden, ob eine stetige Steigerung des materiellen Wohlstands der reichen
Länder notwendig und möglich ist.
137
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Literatur
Ackermann, F. (1999): Airborne laser scanning – present status and future expectations. In:
ISPRS Journal of Photogrammetrie and Remote Sensing, 54 (1): 64-67.
Agugiaro, G.; Fabio R.; Gabrio G.; von Schwerin,J.; Richards-Rissetto, H.; De Amicis,
R. (2011): A Web-based Interactive Tool for Multi-Resolution 3D Models of a Maya Archaeological Site. Proceedings of the 4 th ISPRS International Workshop 3D-ARCH
2011: "3D Virtual Reconstruction and Visualization of Complex Architectures" Trento, Italy, 2-4 March 2011. International Archives of Photogrammetry, Remote Sensing and
Spatial Information Sciences , Vol. XXXVIII-5/W16.
Ameri, B. ;Fritsch, D. (2000): Automatic 3D Building Reconstruction Using Plane-Roof
Structures. Pres. Paper ASPRS Spring Meeting 2000.
Antony, F.; Dürschner, Ch. & Remmers, K.-H. (2009): Photovoltaik für Profis, Verkauf,
Planung und Montage für Solarstromanlagen. Solarpraxis AG, Berlin.
Arbeitsgemeinschaft Energiebilanzen (AG Energiebilanzen) (2014): Sondertabelle Bruttostromerzeugung in Deutschland von 1990 bis 2013 nach Energieträgern Stand Dezember 2013 (http://www.umweltbundesamt.de/daten/energiebereitstellungverbrauch/stromerzeugung, Stand 02.02.2014).
Arbeitsgemeinschaft deutscher Vermessungsverwaltungen (AdV) (2013): Amtliches
Liegenschaftskatasterinformationssystem
(ALKIS®).
(http://www.adv-online.de/AdVProdukte/Liegenschaftskataster/ALKIS/, Stand 01.10.2013)
Arbeitsgemeinschaft Deutsches Zentrum für Luft- und Raumfahrt (DLR), Stuttgart Institut für Technische Thermodynamik, Abt. Systemanalyse und Technikbewertung
Fraunhofer Institut für Windenergie und Energiesystemtechnik (IWES), Kassel Ingenieurbüro für neue Energien (IFNE) (2012): Langfristszenarien und Strategien für
den Ausbau der erneuerbaren Energien in Deutschland bei Berücksichtigung der Entwicklung in Europa und global. Schlussbericht Bundesministerium für Umwelt, Naturschutz
und
Reaktorsicherheit
(BMU),
Teltow.
(http://www.fvee.de/fileadmin/publikationen/Politische_Papiere_anderer/12.03.29.BMU_L
eitstudie2011/BMU_Leitstudie2011.pdf, 11.02.2014)
Arefi, H. (2009): From LIDAR point clouds to 3D building models. Dissertation am Institut für
Angewandte
Informatik,
Universität
der
Bundeswehr
(http://elib.dlr.de/60168/1/Arefi_PHD_resized.pdf, 11.02.2014)
138
München.
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Alharthy, A. & Bethel, J., (2002): Heuristic filtering and 3D feature extraction from LIDAR
data, International Archives of Photogrammetry, Remote Sensing and Spatial Information
Sciences, Volume 34 (3A), 29 – 34.
Alharthy, A. & Bethel, J. (2004): Detailed building reconstruction from airborne laser data
using a moving surface method. International Archives of the Photogrammetry, Remote
Sensing and Spatial Information Sciences, Vol. XXXV(B3): 213-218.
Axelson, P. (1999) : Processing of laserscanner data – algorithms and applications” ISPRS
Journal of Photogrammetry & Remote Sensing 54/1999, 138-147.
Baillard, C.; Schmid, C.; Zisserman, A.; Fitzgibbon A: (1999): Automatic Line Matching
and 3D Reconstruction of Buildings from Multiple Views” IAPRS International Archives of
Photogrammetry and Remote Sensing and Spatial Information Sciences Vol.32, Part 32W5 pp. 69-80.
Baltsavias, E., (1999): A comparison between photogrammetry and laser scanning. ISPRS
Journal of Photogrammetry and Remote Sensing , 54(1), pp. 83-94.
Bartelme, N. (1995): Geoinformatik: Modelle, Strukturen, Funktionen. Berlin: Springer.
Behrens, K.; Grewe, R.-D. ( 2005): A comparison of SCAPP radiation data with global, diffuse and direct solar radiation, WMO Technical Conference on Meteorological and Environmental Instruments and Methods of Observation (TECO-2005), Bucharest, Romania
(http://www.wmo.int/pages/prog/www/IMOP/publications/IOM-82TECO_2005/Papers/1%2808%29_Germany_Behrens.pdf, Stand 01.10.2013).
Bezirksregierung Köln (2013): Flugparameter der im Auftrag der Bezirksregierung Köln
erfassten Laserscandaten, sowie Laserscanrohdaten, Gebäudeumringe und Orthophotos
von den Testgebieten, schriftliche Mitteilung vom 05.06.2013.
Bischof, R. (1993): Möglicher Beitrag der Photovoltaik zur elektrischen Energieversorgung
einer Stadt. Diplomarbeit am Institut für Elektrowärme, Universität Hannover.
Brenner, C. (1999): Interactive modelling tool for 3D building reconstruction. In: Fritsch, D. &
Spiller, R. (Hrsg.), Photogrammetric Week 99, Wichmann Verlag Heidelberg, 23-34.
Brenner, C. (2000): Towards fully automatic generation of city models. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol.
XXXIII(B3): 85-92.
Brenner, C. (2002): Dreidimensionale Gebäuderekonstruktion aus digitalen Oberflächenmodellen und Grundrissen. Dissertation an der Fakultät für Bauingenieur- und Vermessungswesen, Universität Stuttgart. Deutsche Geodätische Kommission, Vol. C 530.
Brenner, C. & Dold, C. (2004): Gebäudeextraktion aus luftgestützten und terrestrischen
Scandaten. In: Luhmann, T. (Hrsg.): Photogrammetrie, Laserscanning, Optische 3D-
139
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Messtechnik. Beiträge der Oldenburger 3D-Tage 2004. Wichmann Verlag Heidelberg,
312-319.
Briese, C., Kraus, K., Mandelburger, G., and Pfeifer, N. (2001): Einsatzmöglichkeiten der
flugzeuggetragenen Laser-Scanner. In Tagungsband der 11. Internationalen Geodätischen Woche in Obergurgl. pages 17–26, Innsbruck, Austria.
Brotrück, T. (2007): Basics Dachkonstruktion. Birkhäuser Verlag Basel.
Bundesministerium für Umwelt, Naturschutz und Reaktorsicherheit (BMU) (2006): Umweltbericht 2006. Umwelt – Innovation – Beschäftigung. Paderborn.
Bundesministerium für Umwelt, Naturschutz und Reaktorsicherheit (BMU) (2012a):
Erneuerbare Energien in Zahlen. Nationale und internationale Entwicklung. Berlin, Juli
2012.
Bundesministerium für Umwelt, Naturschutz und Reaktorsicherheit (BMU) (2013): Erneuerbare Energien in Zahlen - Nationale und internationale Entwicklung.
(http://www.bmu.de/fileadmin/Daten_BMU/Pools/Broschueren/ee_in_zahlen_bf.pdf,
Stand 28.12.2013).
Bundesministerium für Umwelt, Naturschutz und Reaktorsicherheit (BMU) (2013a):
Entwicklung der erneuerbaren Energien in Deutschland im Jahr 2012 – Grafiken und Tabellen. Stand: Juli 2013. Unter Verwendung aktueller Daten der Arbeitsgruppe Erneuerbare
Energien
Statistik
(AGEE-Stat).
(http://www.erneuerbareenergien.de/fileadmin/Daten_EE/Dokumente__PDFs_/ee_in_zahlen_ppt_bf.pdf,
11.02.2014).
Bundesministerium für Umwelt, Naturschutz und Reaktorsicherheit (BMU) (2013b):
Zeitreihen
zur
Entwicklung
der
erneuerbaren,
Stand
Juli
2013.
URL
http://www.umweltbundesamt.de/daten/energiebereitstellung-verbrauch/anteile-dererneuerbaren-energietraeger.
Bundesnetzagentur (2013): Datenmeldungen vom 1. Januar bis 30. September 2013.
(http://www.bundesnetzagentur.de/SharedDocs/Downloads/DE/Sachgebiete/Energie/Unt
ernehmen_Institutionen/ErneuerbareEnergien/Photovoltaik/Datenmeldungen/Meldungen
_2013_01-09.xls?__blob=publicationFile&v=1, Stand 11.02.2014).
Burrough, P. A. & McDonnell, R. A. (1998): Principles of Geographical Information Systems. Oxford University Press, New York, 190. In: ESRI ArcGIS 9.2 Desktop, SP3
Onlinehilfe.
Carneiro, C.; Morello, E.; Ratti, C. & Golay, F. (2009): Solar radiation over the Urban Texture: LIDAR Data and Image Processing Techniques for Environmental Analysis at City
Scale. In: Lee, J. & Zlatanova, S. (Hrsg.): 3D Geo-Information Sciences. Springer Verlag
Berlin Heidelberg, 319-340.
140
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
DeMers, M. N. (1997): Fundamentals of Geographic Information Systems. Wiley.
Deutscher Wetterdienst (DWD) (2011): Globalstrahlung in der Bundesrepublik Deutschland.
Mittlere
Jahressummen,
Zeitraum:
1981-2010.
(http://www.dwd.de/bvbw/generator/DWDWWW/Content/Oeffentlichkeit/KU/KU1/KU12/Kli
magutachten/Solarenergie/Straka__Mittel__8110,templateId=raw,property=publicationFile.pdf/Strak
a_Mittel_8110.pdf, Stand 11.02.2014).
Deutscher Wetterdienst (DWD) (2012): Globalstrahlung. Die Energie der Sonne. Informationsbroschüre.
(http://www.dwd.de/bvbw/generator/DWDWWW/Content/Oeffentlichkeit/KU/KU1/KU12/Kli
magutachten/Solarenergie/Broschuere__DINA5__052012__kleinePDF,templateId=raw,pr
operty=publicationFile.pdf/Broschuere_DINA5_052012_kleinePDF.pdf,
Stand
11.02.2014).
Deutscher Wetterdienst (DWD) (2012a): Globalstrahlungsdaten, Monatsmittelwerte für den
Zeitraum 1981 – 2000 für den Standort Stuttgart, Abteilung Klima- und Umweltberatung,
Hamburg.
Dietrich, S. (2009): PVProfit 2.3 - Wirtschaftlichkeit von Photovoltaik-Anlagen, Solare Zukunft Erlangen.
DIN EN 61724 Überwachung des Betriebsverhaltens photovoltaischer Systeme – Leitfaden
für Messen, Datenaustausch und Analyse.
DOGNIAUX, R. (1984): De l’influence de l’estimation du facteur total de trouble atmosphérique sur l’évaluation du rayonnement solaire direct par ciel clair. Application aux données radio −métriques de L’IRM à Uccle. In Institut Royal Météorologique de Belgique
(IRM), Miscellanea – Serie C 20.
Dorninger, P. & Pfeiffer, N. (2008): A Comprehensive Automated 3D Approach for Building
Extraction, Reconstruction, and Regularization from Airborne Laser Scanning Point
Clouds. Sensors 2008, 8, 7323-7343.
EEA (2011): Greenhouse gas emission trends and projections in Europe 2011. Tracking
progress towards Kyoto and 2020
(http://www.eea.europa.eu, 11.02.2014).
targets.
EEA
Report
No
4/2011.
Eicker, U. (2012): Solare Technologien für Gebäude. Grundlagen und Praxisbeispiele.
Springer Verlag Wiesbaden.
Elaksher, A. F. & Bethel, J. S. (2002): Reconstructing 3D building from Lidar data. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXIV, part 3A/B: 102-107.
141
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Energieagentur NRW (2001): Solaratlas für Nordrhein-Westfalen. Energieagentur NRW,
Wuppertal.
Engel, J. & Döllner, J. (2010): Effiziente Verschattungsberechnung für die Solarpotenzialanalyse durch bildbasierte 3D-Analyse. Hasso-Plattner-Institut, Universität Potsdam.
Foitzik L. & Hinzpeter, H. (1958): Sonnenstrahlung und Lufttrübung. Akademische
Verlagsgesellschaft Geest & Portig, Leipzig.
Forlani, G.; Nardinocchi, C.; Scaioni, M.; Zingaretti, P. (2003): Building reconstruction and
visualization from LiDAR data” IAPRS International Archives of Photogrammetry and
Remote Sensing and Spatial Information Sciences Vol.34, Part 5/W12, pp. 151-156.
Fraunhofer ISE (2013): Aktuelle Fakten zur Photovoltaik in Deutschland.
(http://www.ise.fraunhofer.de/de/veroeffentlichungen/veroeffentlichungen-pdfdateien/studien-und-konzeptpapiere/aktuelle-fakten-zur-photovoltaik-in-deutschland.pdf,
Stand 12.02.2014).
Fu, P., Rich, P.M., (1999): Design and implementation of the Solar Analyst: an ArcView extension for modeling solar radiation at landscape scales. Proceedings of the 19th Annual
ESRI User Conference, San Diego, USA.
(http://www.esri.com/library/userconf/proc99/proceed/papers/pap867/p867.htm, Stand
25.02.2013).
Fu, P. & Rich, P. M. (2000): The Solar Analyst 1.0 Manual. Helios Environmental Modeling
Institute (HEMI), USA.
Fu, P. & Rich, P. M. (2002): A Geometric Solar Radiation Model with Applications in Agriculture and Forestry. Computers and Electronics in Agriculture 37: 25-35.
Geoplex (2008): Praxisbeispiel für ein Solarkataster: Ausschnitt: „Nürnberger Norden“.
(http://www.geoplex.de/fileadmin/user_upload/pdf/Praxisbeispiel_fuer_ein_Solardachkata
ster_design.pdf, Stand 01.12.2013).
Geoplex (2012): Solardaten für Jedermann. In: Business Geomatics Fokus, 2/2012: S. 18.
Geoplex (2013): Gebäudeerkennung.
(http://www.geoplex.de/produkte/solardachkataster/gebaeudeerkennung/, Stand
01.12.2013).
Gottensträter, M. u. Hilling, F. (2007): Automatisierungspotential bei der Generierung eines
digitalen Solardachkatasters auf Basis von Airborne Laserscandaten am Beispiel Osnabrück. Unveröff. Diplomarbeit am FB 02 Univ. Osnabrück.
Gröger, G., Kolbe, T., Czerwinski, A., Nagel, C. (2008): OpenGIS City Geography Markup
Language (CityGML) Encoding Standard, Version 1.0.0, International OGC Standard.
Open Geospatial Consortium, Doc. No. 08-007r1 2008.
142
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Gröger, G.; Kolbe, T.H.; Nagel, C.; Häfele, K.H. (2012): OGC City Geography Markup Language (CityGML) Encoding Standard; 2012. OGC Doc. No. OGC 12 -019.
Haala, N.; Anders, K.-H. (1997): Acquisition of 3D urban models by analysis of aerial images, digital surface models and existing 2D building information” SPIE Conference on Integrating Photogrammetric Techniques withScene Analysis and Machine Vision III,
pp.212-222.
Haala, N. & Brenner, C. (1999): Extraction of buildings and trees in urban environments
ISPRS Journal of Photogrammetry and Remote Sensing Vol. 54, no 2-3, pp. 130-137.
Haselhuhn (2013): Photovoltaik Gebäude liefern Strom, Hrsg.: FIZ Karlsruhe, BINE Informationsdienst, Bonn.
Heuel S.; Lang, F.; Förstner ,W. (2000): Topological and Geometrical Reasoning in 3D
Grouping for Reconstructing Polyhedral Surfaces, IAPRS International Archives of Photogrammetry and Remote Sensing and Spatial Information Sciences Vol.34, Part 3A,
pp.169-174, Proceedings of the 19th ISPRS Congress, Amsterdam, 16-23
Hilling, F. & Lange, N. de (2010): Vollautomatisierte Ableitung eines digitalen Solardachkatasters aus Airborne Laserscannerdaten. In: Bill, R. u.a. (Hrsg.): Geoforum MV 2010 –
Vernetzte Geodaten: Vom Sensor zum Web. Berlin: GITO, pp. 17 – 20.
Hilling, F. & Lange, N. de (2010a): Webgestützte Solardachkataster. Ein Instrument zur
Darstellung der Nutzungseignung von Dächern für Photovoltaikanlagen am Beispiel der
Stadt Lage. In: Deutscher Verband für Angewandte Geographie e.V. (DVAG), Bonn
(Hrsg.): Standort – Zeitschrift für Angewandte Geographie, Heft 4, S. 104 – 109. Berlin:
Springer.
Höfle, B. & Pfeifer, N. (2007): Correction of laser scanning intensity data: Data and modeldriven approaches. In: ISPRS Journal of Photogrammetry & Remote Sensing, Jg. 2007,
H. 62, S. 415–433.
Hofierka, J & Šúri, M, (2002): The solar radiation model for Open source GIS: implementation and applications, Proceedings of the Open source GIS - GRASS users conference
2002 - Trento, Italy, 11-13 September.
Hofierka, J., & Kanuk, J. (2009): Assessment of Photovoltaic Potential in Urban Areas Using Open-Source Solar Radiation Tools. Renewable Energy 34 (10): 2206–2214.
Hofmann, A.D. (2003): Untersuchungen im 1D- und 2D-Parameterraum von Punktwolken
aus Flugzeuglaserscannerdaten. 23. Jahrestagung der DGPF, Bochum, 9.-12. September, Band 12, S. 73-80.
Hofmann, A. D. (2005): An Approach to 3D Building Model Reconstruction from Airborne
Laser Scanner Data Using Parameter Space Analysis and Fusion of Primitives. Disserta-
143
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
tion. Betreut von Hans-Gerd Maas. Dresden. Technische Universität, Institut für Photogrammetrie und Fernerkundung.
Hofmann, A. D. & Schwalbe, E. (2004): Evaluation automatisch rekonstruierter Gebäudemodelle aus Flugzeuglaserscannerdaten. Publikationen der Deutschen Gesellschaft für
Photogrammetrie, Fernerkundung und Geoinformation, Band 13, S. 51-58.
Huld, T.A., Šúri, M., Dunlop, E.D. (2002): GIS-based Estimation of Solar Radiation and PV
Generation in Central and Eastern Europe. Preprint from the Conference “Photovoltaics
in Europe: From Photovoltaic Technology to Energy Solutions". Italy.
Huld T.A., Suri, M., Dunlop, E.D., Albuisson, M., Wald, L., (2005): Integration of Helioclim
I databse into PV GIS to estimate solar electricity potential in Africa. Published in the Proceedings from 20th European Photovoltaic Solar Energy Conference and Exhibition,
Spain.
IPCC (Intergovernmental Panel on Climate Change) (2007): Zusammenfassung für politische Entscheidungsträger. In: Klimaänderung 2007: Wissenschaftliche Grundlagen. Beitrag der Arbeitsgruppe I zum Vierten Sachstandsbericht des Zwischenstaatlichen Ausschusses für Klimaänderung, Solomon, S., D. Qin, M. Manning, Z. Chen, M. Marquis,
K.B. Averyt, M.Tignor und H.L. Miller, Eds., Cambridge University Press, Cambridge, United Kingdom und New York, NY, USA. Deutsche Übersetzung durch ProClim-, österreichisches Umweltbundesamt, deutsche IPCC-Koordinationsstelle, Bern/Wien/Berlin.
IPCC (Intergovernmental Panel on Climate Change) (2013): Climate Change 2013: The
Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report
of the Intergovernmental Panel on Climate Change, Stocker, T.F., D. Qin, G.-K. Plattner,
M. Tignor, S.K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex and P.M. Midgley Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
TopScan (2011): unveröffentlichter Flugbericht der Laserscannerbefliegung Bad Bentheim
2011.
Jacovides, C. P. (1997): Model Comparison for the Calculation of Linke's Turbidity Factor,
International journal of climatology, VOL. 17, pp 551–563.
Jansa, J. & Stanek, H. (2003): Ableitung von Stadtmodellen aus Laser-Scanner-Daten,
Grundrissplänen und photographischen Aufnahmen. Österreichische Zeitschrift für Vermessung und Geoinformation (VGI), 91. Jahrgang (2003), 4; 262– 270.
Jenco, M. (1992): Distribution of direct solar radiation on georelief and its modelling by
means of complex digital model terrain. Geograficky casopis 44 pp 342 – 345.
Jochem, A.; Höfle, B.; Rutzinger, M.; Pfeifer, N. (2009): Automatic roof plane detection
and analysis in airborne LIDAR point clouds for solar potential assessment, Sensors, 9
(2009), pp. 241–262.
144
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Jochem, A.; Wichmann, V.; Höfle, B.(2010): Large Area Point Cloud Based Solar Radiation Modeling. Hamburger Beiträge
Landschaftsökologie, 2010 21/20, S. 1-9.
zur
physischen
Geographie
und
Kenny, R.P., Huld, T.A., Iglesias, S. (2006): Energy rating of PV modules based on PVGIS
irradiance and temperature database. In: Proceedings from 21st European Photovoltaic
Solar Energy Conference and Exhibition, 4–8 October 2006, Dresden, Germany.
(http://www.ces.kmutt.ac.th/download/ET695/EUPVSEC21_5BO63.pdf,
Stand
12.01.2012).
Kettemann, R.; Schröder, D.(2002): Solare Städteplanung mit geographischen Informationssystemen – Auf einen Blick: Sonnenbilanz für Dächer und Fassaden. Horizonte Heft
20, S. 5-8.
Klärle, M. & Ludwig, D. (2005): Einsatz von Flugzeugscanner-Daten für die Standortoptimierung erneuerbarer Energien. In: Strobl, J., Blaschke, T., Griesebner, G. (Hrsg.): Angewandte Geoinformatik 2005 – Beiträge zum 17. AGIT-Symposium Salzburg, 342 – 347.
Wichmann, Heidelberg.
Klärle, M. & Ludwig, D. (2006): SUN-AREA Standortanalyse für Photovoltaik-Anlagen durch
hochauflösende Sensoren in der Fernerkundung ± Forschungsprojekt an der Fachhochschule Osnabrück. In : GI-reports@igf, Veröffentlichung des AK-Fernerkundung - 5 /
2006.
Klärle, M. & Ludwig, D. (2007): SUN-AREA: Standortanalyse für Photovoltaik-Anlagen
durch hochauflösende Sensoren. In: GiN Forum "Wertschöpfungsmodelle in Fernerkundung, Geoinformatik und Geodäsie: Was können Google Earth & Co leisten?".
Klärle, M. (2011): Ein Solarkataster mit SUN-AREA - Potenzialanalyse. In: Erneuerbare
Energien
Zeitschrift,
Online
Fachaufsatz,
29.07.2011
(http://www.erneuerbareenergien.de/ein-solarkataster-mit-sun-area/150/480/31543/,
Stand 5.3. 2013).
Klauser, D.; Egret, Ch. (2012): Solarkataster : systematische Suche nach den besten Dächern für Photovoltaikanlagen, In: Geomatik Schweiz, 5/2012 203 – 205, geosuisse, Solothurn.
Kolbe, T. (2009): Representing and exchanging 3D city models with cityGML. In: Lee, J.;
Zlatanova, S. (Hrsg.) 3D geo-information sciences, Springer, Heidelberg. pp 15 - 31.
Kraus, K. (1984): Photogrammetrie Band 2: Theorie und Praxis der Auswertungssysteme. F.
Dümmler Verlag Bonn.
Kraus, K. (2004): Photogrammetrie, Bd 1. Geometrische Informationen aus Photographien
und Laserscanneraufnahmen. Berlin: de Gruyter. 7. Aufl., Berlin: de Gruyter.
145
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Kraus, K. (2007): Photogrammetry Geometry from Images and Laser Scabs 2nd Edition,
Walter de Gruyter GmbH & Co.KG. Berlin.
Krcho, J. (1990): Morfometrická analza a digitálne modely georeliéfu (Morphometric analysis and digital models of georelief, in Slovak). VEDA, Bratislava.
Kryza, M., Szymanowski, M., Migala, K. (2010): Spatial information on total solar radiation:
Application and evaluation of the r.sun model for the Wedel Jarlsberg Land, Svalbard. In:
Polish Polar Research, Vol. 31(1), pp. 17-32.
Kummer, M.; Stein, Ch.; Rademacher, M. (2008): Leitfaden Planerische Grundsätze - Allgemeine Leitlinien der städtebaulichen und gestalterischen Beratung, Bauaufsicht Frankfurt.
(http://www.bauaufsichtfrankfurt.de/fileadmin/Downloads__alle/Leitfaeden/Leitfaden_plan
erische_Grundsaetze.pdf, Stand 18.12.2013).
Laquai, B. (2003): Abschätzung des möglichen Energieertrags einer Photovoltaikanlage
verfasst für hbw-solar, Ingenieurbüro für Energieberatung und Solarbau Bersigheim.
(http://www.i-tip.de/ertragsberechnung/Ertragsberechnung.pdf, Stand 24.02.2012).
Lemmens, M. J.P.M. ; Deijkers, H.; Looman, P. A.M. (1997): Building detection by fusing
airborne laser-altimeter DEM’s and 2D digital maps, IAPRS International Archives of Photogrammetry and Remote Sensing Vol.32, Part 3-4W2.
Lohmeyer, A. (2007): Stadtklima Stuttgart, Landeshauptstadt Stuttgart, Amt für Umweltschutz,
Abt.
Stadtklimatologie
(Onlineberechnungstool
stuttgart.de/mirror/sonne.exe, Stand 25.05.2012).
(http://cgi.stadtklima-
Ludwig, D.; Klärle, M.; Lanig, S. (2008): Automatisierte Standortanalyse für die Solarnutzung auf Dachflächen über hochaufgelöste Laserscanningdaten. In: Strobl, J., Blaschke,
T., Griesebner, G. (Hrsg.) (2008): Angewandte Geoinformatik 2008 – Beiträge zum 20.
AGIT-Symposium Salzburg, 466 - 475. Wichmann, Heidelberg.
Ludwig, D., Lanig, S. & Klärle, M. (2009): Towards Location-based Analysis for Solar Panels by High Resolution Remote Sensors (Laser Scanner). ICC2009. 24th International
Carthography Conference. Santiago (Chile).
Ludwig, D.; McKinley, L. (2010): Solar Atlas of Berlin -Airborne Lidar in Renewable Energy
Applications. In GIM, Volume 24, 3/2010 pp.17 – 22.
Lutz, H.-P. (2005): Thermische Solaranlagen zur Warmwasserbereitung und Heizungsunterstützung, Hrsg.: Wirtschaftsministerium Baden-Württemberg.
Maas, H.-G., Vosselman, G. (1999): Two algorithms for extracting building models from raw
laser altimetry data. In ISPRS Journal of Photogrammetry and Remote Sensing, Vol. 54,
No. 2/3, pp. 153-163.
146
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Maas, H.-G. (1999): Fast determination ofparametric house models from dense airborne laserscanner data, ISPRS Workshop on MobileMapping Technology, Bangkok, Thailand,
April 21-23.
Maas, H.-G. (2002): Methods for measuring height and planimetry discrepancies in airborne
laserscanner data. In Photogrammetric Engineering and Remote Sensing, Vol. 68, No. 9,
pp. 933-940.
Maas, H.-G. (2003): Planimetric and height accuracy of airborne laserscanner data - User
requirements and system performance. Proceedings 49. Photogrammetric Week (Ed. D.
Fritsch), Wichmann Verlag, pp. 117-125.
Maas, H.-G. (2004): Closed solutions for the determination of parametric building models
from invariant moments of airborne laserscanner data. Commemorative Volume for the
60th birthday of Prof. Dr. A. Grün (IGP, ETH Zürich, 2004).
Maas, H.G. (2005): Akquisition von 3D-GIS-Daten durch Flugzeug-Laserscanning. In
Katographische Nachrichten, 55. Jg., Heft 1, S. 3-11.
Malberg, H. (2007): Meterologie und Klimatologie Eine Einführung, Springer-Verlag Berlin
Heidelberg.
Müller, B.; Reise, C.; Asensio Seco, G.; Lorenz, E. (2008): Diffuse Verhältnisse bei der
Einstrahlung? Über die Eingangsdaten von Ertragsprognosen, 23. Symposium Photovoltaische
Solarenergie,
Staffelstein,
Germany,
05.03.-07.03.2008
(http://www.energiemeteorologie.de/publications/solar/conference/2008/staffelstein/diffus
e_verhaeltnisse_bei_der_einstrahlung_ueber_die_eingangsdaten_von_ertragsprognosen
.pdf, Stand 11.01.2012).
Neteler, M.; Mitasova, H. (2004): Open Source GIS: A GRASS GIS Approach, Kluwer Academic Publishers, Boston.
Nguyen, H.T., Pearce, J.M. (2010): Estimating potential photovoltaic yield with r.sun and the
open source Geographical Resources Analysis Support System. In: Solar Energy, Vol
84(5),
pp.
831-843.
(http://qspace.library.queensu.ca/bitstream/1974/6432/1/Nguyen%20and%20Pearce%20
2010%20preprint.pdf, Stand 14.12.2012).
Oda, K., Takano, T., Doihara,T. and Shibasaki, R. (2004): Automatic building extraction
and 3-D city modeling from lidar data based on Hough transformation. Int. Arch. of Photogrammetry and Remote Sensing, Vol. XXXV, part B3.
OSM (Open Street Map) (2014): Open Street Map Daten verfügbar unter Open-DatabaseLizenz gemäß CC BY-SA lizenziert. www.openstreetmap.org/copyright
147
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Öko-Institut (2011): Globales Emissions-Modell Integrierter Systeme (GEMIS) zur Umweltanalyse
von
Energie-,
Transportund
Stoffsystemen
(http://www.oeko.de/service/gemis/de/index.htm, 14.12.2012).
Page, J., Albuisson, M., Wald, L. (2001): The European solar radiation atlas: a valuable
digital tool. Solar Energy, 71, 81-83.
Perera, S. N. & Maas ,H.-G.(2012): A Topology Based Approach for the Generation and
Regularization of Roof Outlines in Airborne Laser Scanner Data. 32. Jahrestagung der
Deutschen Gesellschaft für Photogrammetrie, Fernerkundung und Geoinformation in
Potsdam, DGPF Tagungsband 21/2012, pp. 400 – 410.
PVGIS (2012): http://re.jrc.ec.europa/pvgis/. (14.01.2012).
Quaschning, V.; Geuder, N.; Ortmanns, W. (2002): Vergleich und Bewertung verschiedener Verfahren zur Solarstrahlungsbestimmung, Veröffentlichung zur 13. Internationales
Sonnenforum Berlin (http//www.volker-quaschning.de/downloads/Sofo2002_1.pdf, Stand
11.12.2006).
Quaschning, V. (2003): Regenerative Energiesysteme(3.A.), Hanser Verlag München, Bild
2.10,p.53.
Quaschning, V. (2007): Regenerative Energiesysteme Technologie - Berechnung – Simulation., Hanser Verlag München.
Quaschning V. (2008): Erneuerbare Energien und Klimaschutz, Hanser Verlag München.
Quaschning, V. (2011): Regenerative Energiesysteme, Hanser Verlag München.
Quaschning V. (2013): Erneuerbare Energien und Klimaschutz, Hintergründe - Techniken
und Planung - Ökonomie und Ökologie – Energiewende, Carl Hanser Verlag München.
Reich, N.; Armbruster, A.; Müller, B.; Kiefer, K. (2012): Performance ratio revisited: Is PR
> 90% realistic? Progress in Photovoltaics: Research and Applications 20, S. 717 - 726
Hamburg.
Remund, J.; Wald, L.; Lefevre, M.; Ranchin, T.; Page, J. (2003): Worldwide Linke Trubidity Information. ISES Solar Word Congress on Solar Energy for a Sustainable Future.
Göterburg, Sweden, 14 – 20. June 2003.
Rich, P. M. (1990): Characterizing plant canopies with hemispherical photographs. In: N.S.
Goel and J.M. Norman (eds), Instrumentation for studying vegetation canopies for remote
sensing in optical and thermal infrared regions. Remote Sensing Reviews 5:13-29.
Rich, P. M., R. Dubayah, W. A. Hetrick und S. C. Saving (1994): "Using Viewshed Models
to Calculate Intercepted Solar Radiation: Applications in Ecology", American Society for
Photogrammetry and Remote Sensing Technical Papers, S. 524–529.
148
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Riegl
(2010):
Data
sheet
LMS-Q560,
20/09/2010,
http://www.riegl.com/uploads/tx_pxpriegldownloads/10_DataSheet_Q560_20-092010_01.pdf, Stand 24.11.2013).
(URL:
Rigollier, Ch., Bauer, O., Wald, L. (2000): On the clear sky model of the ESRA - European
Solar radiation Atlas - with respect to the Heliosat method. Solar energy, 68, S. 33-48.
Rottensteiner, F.; Briese, Ch.(2002): A new method for building extraction in urban areas
from high-resolution lidar data, IAPRS International Archives of Photogrammetry and
Remote Sensing and Spatial Information Sciences Vol.34, Part 3A, pp.295-301.
Rottensteiner, F.; Jansa, J: (2002): A utomatic extraction of buildings from lidar data and
aerial images IAPRS International Archiv es of Photogrammetry and Remote Sensing
and Spatial Information Sciences Vol.34, Part 4, pp.569-574.
Rottensteiner, F.; Briese, Ch. (2003): Automatic Generation of Building Models from LiDAR
Data and the Integration of Aerial Images , Int. Arch. Photogrammetry and Remote sensing, Vol. XXXIV.
Rottensteiner, F.; Trinder, J.; Clode, S.; Kubik, K. (2004): Fusing airborne laser scanner
data and aerial imagery fort the automatic extraction of buildings in densely built-up areas, IAPRS International Archives of Photogrammetry and Remote Sensing Vol.34, Part
3 B3, pp.512-518.
Ruijin, M., (2004): Building model reconstruction from Lidar data and aerial photographs.
Doctoral dissertation,Ohio State University. USA.
r.sun: http://grass.itc.it/gdp/html_grass5/html/r.sun.html (Stand 25.08.2012).
Sander, T. (2006): Netzgekoppelte Photovoltaikanlagen, Hüthig & Pflaum Verlag, München/Heidelberg.
Scharmer, K., Greif, J., eds. (2000): The European solar radiation atlas, Vol. 2: Database
and exploitation software. Paris (Les Presses de l’ École des Mines).
Schiele, J. (2005): Ein operationelles Kalibrierungsverfahren für das flugzeuggetragenes
Laserscannersystem ScaLARS. Dissertation Universität Stuttgart.
Schultz, S. (1996): Dachflächenpotential für Solaranlagen und Energiepotential für Photovoltaikanlagen. Diplomarbeit im Studiengang Angewandte Systemwissenschaft, Uni Osnabrück. Osnabrück.
Schwalbe, E. (2004): 3D building model generation from airborne laserscanner data by
straight line detection in specific orthogonal projections. ISPRS Commission III / WG3, International Archives of Photogrammetry and Remote Sensing, Vol. 35, Part B, S. 249254.
149
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Schwalbe, E.; Maas, H.-G.; Seidel, F. (2005): 3D building model generation from airborne
laserscanner data using 2D GIS data and orthogonal point cloud projections. Vosselman,
G.; Brenner C. (Eds.): International Archives of Photogrammetry, Vol. XXXVI, Part 3/W19,
pp. 209-213; ISPRS Workshop Laser scanning 2005, Enschede (The Netherlands).
Sibson, R. (1981): "A Brief Description of Natural Neighbor Interpolation," Chapter 2 in Interpolating multivariate data, pp. 21-36., John Wiley & Sons, New York.
Simuplan (2012): http://www.simusolar.de/ (Stand 03.10.2012).
SmartGeomatics (2012): Solar-Potenzial-Analyse - Mit der Sonne auf Erfolgskurs,
http://www.smartgeomatics.de/loesungen/energie_umwelt/solar-potenzial.html
(25.011.2012).
Stadt Braunschweig (2007): Gebäudeumringe und Laserscannerdaten für das Stadtgebiet
Braunschweig, überlassen Mai 2007.
Stadt Braunschweig (2007a): Informationen zu Flugparametern aus der Laserscanbefliegung 2003, schriftliche Mitteilung der Stadt Braunschweig vom 03.05.2007
Stadt Dresden (2011): Ertragsdaten von bestehenden Photovoltaik-Anlagen in Dresden,
schriftliche Mitteilung der Stadt Dresden vom 22.08.2012.
Stadt Dresden (2009): Informationen zu Flugparametern aus der Laserscannerbefliegung
2006, schriftliche Mitteilung vom 10.12.2009.
Stadt Osnabrück (2006): unveröffentlichter Flugbericht der Laserdatenerfassung Stadt Osnabrück 2005, schriftliche Mitteilung 25.06.2006.
Stadt Osnabrück (2006a): Gebäudeumringe und Laserscannerrohdaten für das Stadtgebiet
Osnabrück, überlassen am 25.06.2006.
Stadt Osnabrück (2011): unveröffentlichter Flugbericht der Laserdatenerfassung Stadt Osnabrück 2011, schriftliche Mitteilung 13.05.2011.
Stadt Osnabrück (2011a): Gebäudeumringe, Digitale Orthophotos und Laserscannerrohdaten für das Stadtgebiet Osnabrück, überlassen am 13.05. 2011.
Stadt Wiesbaden (2009): Informationen zu Flugparametern aus der Befliegung 2005,
schriftliche Mitteilung 23.01.2009.
Steinle, E. (2005): Gebäudemodellierung und –änderungserkennung aus multitemporalen
Laserscanningdaten Dissertation, DRK Reihe C, 594.
Stilla, U.; Jurkiewicz, K.(1999): Automatic reconstruction of roofs from maps and elevation
data IAPRS International Archives of Photogrammetry and Remote Sensing Vol.32, Part
7-4-3 W6, Valadolid, Spain, June 3-4.
150
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Stryi-Hipp, G. (2007): Zeitung für Solarstrom, Bundesverband Solarwirtschaft (BSW)e.V.,
Berlin.
Šúri, M. & Hofierka, J. (2004): A new GIS-based solar radiation model and its application to
photovoltaic assessments. Transactions in GIS 8, 175–190.
Šúri M., Huld T.A., Dunlop E.D., (2005): PVGIS: a web-based solar radiation database for
the calculation of PV potential in Europe. International Journal of Sustainable Energy, 24,
2, 55-67.
Šúri M., Huld T.A., Dunlop E.D. Ossenbrink H.A., (2007): Potential of solar electricity generation in the European Union member states and candidate countries. Solar Energy, 81,
1295–1305, (http://re.jrc.ec.europa.eu/pvgis/ Stand 13.12.2007).
Šúri M., Huld T.A., Dunlop, E.D.; Hofierka, J. (2007a): Solar Resource Modelling for Energy Applications, IN: Peckham, R.J.; Jordan, G. (Eds.), Digital Terrain Modelling Development and Applications in a Policy Support Environment, Springer Verlag Berlin Heidelberg.
Tarsha-Kurdi, F.; Landes, T.; Grussenmeyer, P.; Koehl, M. (2007): Model-driven and
data-driven approaches using lidar data: analysis and comparison. In Proceedings of International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVI, pp. 87-92, München.
Tetraeder (2012): http://www.tetraeder.com/solar/products/spk (03.10.2012).
Tetraeder (2013): http://www.solare-stadt.de/remscheid/hinweis (27.12.2013).
TopoSys (1996): Digital Elevation Models, Services and Products. TopoSys GmbH, Germany.
TopoSys, Wiechert, A. (2009): New Airborne Lidar Sensor Systems TopoSys GmbH.
Präsentation.
TopScan (2006): Abbildungen zur Methodik des Laserscanings, unveröffentlicht.
Tse, R.; Gold, Ch.; Kidner, D. (2008): 3D City Modelling from LIDAR Data, IN: Oesterom, P.
van; Zlatanova, S.; Penninga, F.; Fendel, E. (Eds) Advances in 3D-Geoinformation Systems. Springer Verlag Berlin Heidelberg.
UBA (Umweltbundesamt) (2011): Berichterstattung unter der Klimarahmenkonvention der
Vereinten
Nationen
und
dem
Kyoto-Protokoll
2011,
(http://www.umweltdaten.de/publikationen/fpdf-l/4126.pdf, 25.07.2012).
Dessau-Roßlau,
UBA (Umweltbundesamt) (2011a): Emmissionsbilanz erneuerbarer Energieträger , durch
Einsatz erneuerbarer Energieträger vermiedene Emissionen im Jahr 2010, Aktualisierte
Anhänge 2 und 4 der Veröffentlichung „Climate Chance 12/2009“, Dessau-Roßlau.
151
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
UBA (Umweltbundesamt) (2012): Position, Wahl zwischen Stillstand oder Aufbruch – warum die EU ihr Klimaziel 2020 jetzt erhöhen muss. Dessau-Roßlau,
(http://www.umweltbundesamt.de/klimaschutz/publikationen/position_klimaziel_2020.pdf,
Stand 25.07.2012).
USGS (2012): SRTM-30 Daten, (http://www.usgs.gov/ Stand 27.11.2012).
Vögtle, T.; Steinle, E.; Tovari, D. (2005): Airborne laserscanning data for determination of
suitable areas for photovoltaics. In Proceedings of International Archives of Photogrammetry, Remote Sensing and Spatial Information Sciences, Vol. XXXVI, pp. 215220.Enschede, The Neatherlands.
Vosselman, G. (1999): Building Reconstruction Using planar Faces in Very High Density
Height Data, ISPRS Conference. "Automatic Extraction of GIS Objects from Digital Imagery, Munich 8-9-1999, Vol 32/3-2W5, ISBN 0256- 1840, pp. 87-92.
Vosselman, G.; Dijkaman, S. (2001): 3D building model reconstruction from point clouds
and ground plans, IAPRS - the International Archives of Photogrammetry and Remote
Sensing, 34(3/W4). pp. 37-43.
Vosselman, G., Gorte, B.G.H., Sithole, G., Rabbani, T. (2004) : Recognising structure in
laser scanner point clouds International Archives of Photogrammetry, Remote Sensing
and Spatial Information Sciences, vol. 46, part 8/W2, Freiburg, Germany, October 4-6,
pp. 33-38.
Wagner, W.; Ullrich, A.; Melzer, T.; Briese, C.; Kraus, K. (2004): From single-pulse to fullwaveform airborne laser scanners: Potential and practical challenges. In: International
Archives of Photogrammetry and Remote Sensing , XXth ISPRS Congress, Istanbul, Turkey, 12-23 July 2004, Vol. XXXV, Part B3, pp. 201-206.
Wang, Y.; Weinacker, H.; Koch, B. (2006): Automatic non-ground objects extraction based
on multi-returned Lidar data. Photogrammetrie Fernerkundung Geoinformation (PFG).
Jahrgang 2006, Heft 2, pp 127-137.
Wehr, A.; Lohr, U (1999): Airborne Laserscanning – an introduction and overview. ISPRS
Journal of Photogrammetry & Remote Sensing, Issue 54; pp. 68 – 82.
Weitzig, B. (2007): 3D-Stadtmodellierung auf heterogenen Ausgangsmodellen mittels evolutionärer Algorithmen, Dissertation an der Hohen Landwirtschaftlichen Fakultät der Rheinischen
Friedrich-Wilhelms-Universität
zu
Bonn
(URL:
http://hss.ulb.unibonn.de/diss_online/landw_fak/2007/weitzig_bjoern/weitzig.htm Stand, 06.11.2007).
Wever,
C
(1999):
Laserscannermessungen
–
In: GIS - Geoinformationssysteme, 12 (2), 12-17.
152
ein
Verfahren
setzt
sich
durch.
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
A1 Anhang
Tabelle 25: Mittlere Tagessumme der
unterschiedliche Jahre und Zeitperioden
Globalstrahlung
für
den
Standort
Osnabrück
für
Tabelle 26: Ertragsdaten der Photovoltaik-Referenzanlagen Stadt Dresden
Lfd.
Nr.
Berechnungsergebnis
reale Anlage 2009
reale Anlage
2010
reale Anlage
2011
Mittelwert
20092011
Spezifi-
Stromer-
kW
zeugung
pro Jahr
bei 15%
Modulwir
kungsgra
d
StromerkWh/
kWp
kWp
StromerkWh/
trag in
kWh
(2009)
kWp
trag in
kWh
(2010)
kWh
Strom in
/
kWp
kWh
(2011)
kWh/
kWp
scher
Stromertrag
reale
Anlage
kWh/
kWp
1
6,3
5.742
911
7,4
7.132
964
7.245
979
8.580
1.159
1.034
2
15
13.602
907
9,9
8.405
849
8.443
853
10.071
1.017
906
3
5
3.575
715
5,4
3.694
684
3.468
642
4.031
746
691
4
20,6
17.429
846
8,5
6.805
801
6.400
753
7.699
906
820
5
4,7
4.321
919
4,7
4.170
887
3.499
744
4.100
872
835
6
67,6
65.135
964
29,7
29.970
1009
28.710
967
32.104
1.081
1.019
7
130,6
127.257
974
89,3
88.579
992
78.649
881
93.344
1.045
973
8
171
171.695
1004
192,2
159.697
831
161.781
842
177.478
923
865
9
4,6
4.316
938
2,9
2.586
892
2.478
854
2.947
1.016
921
10
13,9
13.913
1001
28,8
24.086
836
21.389
743
24.728
859
813
11
36,3
32.833
904
1,8
1.609
894
1.492
829
1808
1.004
909
I
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
Tabelle 27: Potenzialergebnisse der geeigneten Dachteilflächen des Gebiets „Auf dem Klee“, Stadt Osnabrück
Ausr
Nei- ich- Dachgung tung Typ
geeig- Prozentunete
aler EinModulstrahEignung
fläche lungsantei PVin m²
l
Nutzung
Absoluter
SpezifiCO2CO2CO2Investitimittlerer
scher
StromerEinspaStromerEinspaStromerEinspaEinstrahkWpStromer- onsvolum
trag 9%
rung 9%
trag 12% rung 12% trag 15% rung 15% lungswert Leistung
trag
en in € für
WirWirWirWirWirWirpro Dach- 15% Wir- (kWh/kWp 15% Ankungsgrad kungsgrad kungsgrad kungsgrad kungsgrad kungsgrad teilfläche kungsgrad
)
lage
39
176
geneigt
76
98
sehr gut
5984
3482
7978
4213
9974
4966
1166
10,86
918
23.896
21
88
geneigt
14
80
gut
931
542
1243
656
1553
773
954
2,07
751
4.544
35
196
geneigt
38
98
sehr gut
3035
1766
4047
2137
5060
2520
1174
5,47
924
12.041
18
196
geneigt
15
93
gut
1164
677
1553
820
1941
966
1115
2,21
877
4.864
18
196
geneigt
19
94
gut
1481
862
1975
1043
2468
1229
1122
2,79
883
6.143
69
196
geneigt
24
86
gut
1715
998
2286
1207
2858
1423
1024
3,54
806
7.793
35
196
geneigt
40
98
sehr gut
3229
1879
4305
2273
5382
2680
1174
5,82
924
12.809
39
195
geneigt
47
98
sehr gut
3786
2204
5047
2665
6309
3142
1171
6,84
921
15.054
36
257
geneigt
32
83
gut
2150
1251
2865
1513
3582
1784
986
4,62
776
10.153
36
257
geneigt
37
83
gut
2510
1461
3346
1767
4184
2084
992
5,35
781
11.777
36
257
geneigt
35
83
gut
2353
1370
3137
1657
3922
1953
995
5,00
783
11.007
39
196
geneigt
52
97
sehr gut
4107
2390
5477
2892
6845
3409
1163
7,47
915
16.443
36
257
geneigt
37
83
gut
2505
1458
3339
1762
4174
2079
991
5,35
780
11.761
39
110
geneigt
13
82
gut
903
526
1205
636
1505
750
974
1,96
766
4.318
39
196
geneigt
43
96
sehr gut
3387
1971
4516
2384
5645
2811
1150
6,23
905
13.709
39
187
geneigt
70
99
sehr gut
5616
3269
7488
3954
9360
4662
1186
10,02
934
22.043
36
257
geneigt
35
82
gut
2362
1374
3150
1663
3937
1960
984
5,08
774
11.183
35
261
geneigt
59
82
gut
3951
2299
5267
2781
6584
3279
980
8,53
771
18.775
39
259
geneigt
48
80
gut
3145
1830
4193
2215
5241
2610
960
6,93
756
15.247
38
258
geneigt
38
81
gut
2548
1483
3397
1794
4247
2115
969
5,56
763
12.241
28
259
geneigt
25
77
bedingt
1575
917
2100
1109
2626
1308
914
3,65
719
8.026
II
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
35
80
geneigt
38
75
bedingt
2291
1334
3055
1613
3818
1901
891
5,44
701
11.965
35
258
geneigt
36
83
gut
2398
1396
3197
1688
3996
1990
985
5,15
775
11.339
60
80
geneigt
14
85
gut
1017
592
1355
716
1694
844
1014
2,12
798
4.668
39
259
geneigt
48
81
gut
3152
1834
4204
2219
5254
2617
963
6,93
758
15.241
38
258
geneigt
48
82
gut
3177
1849
4235
2236
5294
2636
980
6,86
771
15.096
35
80
geneigt
44
75
bedingt
2700
1571
3600
1900
4499
2241
894
6,39
704
14.054
35
258
geneigt
40
83
gut
2716
1581
3621
1912
4527
2254
987
5,82
777
12.806
36
259
geneigt
41
82
gut
2755
1603
3672
1939
4591
2286
978
5,96
769
13.117
39
259
geneigt
46
80
gut
3037
1767
4049
2138
5061
2521
959
6,70
755
14.738
37
258
geneigt
22
83
gut
1480
861
1974
1042
2467
1228
988
3,17
778
6.972
35
80
geneigt
35
75
bedingt
2171
1264
2894
1529
3617
1801
895
5,13
704
11.288
35
258
geneigt
39
82
gut
2645
1539
3527
1862
4409
2195
984
5,69
774
12.523
36
80
geneigt
42
75
bedingt
2583
1504
3444
1818
4305
2144
895
6,11
705
13.432
36
259
geneigt
41
82
gut
2715
1580
3620
1911
4525
2253
975
5,89
767
12.968
47
258
geneigt
12
79
bedingt
794
463
1059
560
1324
660
942
1,78
741
3.926
37
258
geneigt
31
82
gut
2083
1212
2776
1466
3471
1729
975
4,52
767
9.945
39
259
geneigt
44
81
gut
2895
1685
3861
2038
4827
2404
963
6,36
758
13.998
47
258
geneigt
14
92
gut
1107
644
1475
779
1844
919
1096
2,14
862
4.700
35
80
geneigt
44
75
bedingt
2697
1569
3595
1898
4494
2238
892
6,39
702
14.067
35
258
geneigt
42
82
gut
2818
1640
3757
1984
4697
2339
984
6,06
774
13.339
36
259
geneigt
42
82
gut
2790
1624
3720
1964
4650
2315
977
6,05
769
13.299
39
259
geneigt
48
81
gut
3170
1845
4226
2231
5284
2632
970
6,92
763
15.216
36
80
geneigt
10
75
bedingt
620
361
826
436
1034
515
892
1,47
703
3.235
36
259
geneigt
10
82
gut
718
418
956
505
1196
596
973
1,56
766
3.433
35
80
geneigt
47
75
bedingt
2829
1646
3771
1991
4715
2348
890
6,72
701
14.791
29
80
geneigt
13
75
bedingt
795
463
1060
560
1326
661
892
1,89
703
4.149
36
80
geneigt
28
75
bedingt
1698
988
2265
1196
2831
1410
896
4,01
705
8.823
III
Methodenentwicklung zur GIS-gestützten Standortanalyse von Solaranlagen
auf Grundlage hochauflösender Laserscandaten
35
258
geneigt
40
83
gut
2677
1558
3569
1885
4461
2221
985
5,75
775
12.659
36
259
geneigt
28
82
gut
1891
1100
2521
1331
3152
1569
977
4,10
769
9.013
38
258
geneigt
27
82
gut
1829
1065
2439
1287
3049
1518
973
3,98
766
8.754
39
259
geneigt
33
81
gut
2211
1286
2947
1556
3684
1834
965
4,85
760
10.663
27
80
geneigt
12
76
bedingt
754
438
1005
531
1256
626
906
1,76
713
3.873
36
80
geneigt
37
75
bedingt
2255
1312
3007
1588
3759
1872
892
5,35
702
11.767
35
258
geneigt
39
83
gut
2594
1509
3458
1826
4323
2153
985
5,58
775
12.266
36
259
geneigt
43
83
gut
2895
1685
3861
2038
4826
2404
985
6,22
775
13.692
36
260
geneigt
21
81
gut
1391
810
1855
980
2318
1154
972
3,03
765
6.662
37
260
geneigt
13
81
gut
877
510
1170
618
1462
728
970
1,91
763
4.210
35
80
geneigt
40
75
bedingt
2451
1427
3269
1726
4086
2035
891
5,82
701
12.804
28
80
geneigt
10
76
bedingt
645
375
859
454
1075
535
906
1,51
713
3.313
35
258
geneigt
36
82
gut
2410
1403
3215
1698
4018
2001
984
5,19
774
11.411
28
259
geneigt
11
82
gut
744
433
992
524
1241
618
978
1,61
770
3.544
35
79
geneigt
11
75
bedingt
673
392
897
473
1121
559
892
1,60
702
3.511
36
259
geneigt
30
81
gut
1981
1152
2641
1395
3302
1644
965
4,34
760
9.556
35
79
geneigt
38
75
bedingt
2312
1345
3084
1629
3854
1920
889
5,50
700
12.104
34
259
geneigt
17
82
gut
1184
690
1579
834
1973
983
983
2,55
773
5.610
34
259
geneigt
14
82
gut
962
560
1283
678
1603
798
977
2,09
769
4.587
31
259
geneigt
38
81
gut
2537
1476
3382
1786
4227
2105
971
5,53
764
12.163
36
80
geneigt
27
75
bedingt
1634
952
2179
1150
2724
1356
892
3,88
702
8.527
31
259
geneigt
34
81
gut
2266
1319
3021
1595
3776
1881
971
4,94
764
10.864
0
-1
flach
13
100
sehr gut
1121
574
1495
685
1868
799
1193
1,99
939
4.374
IV
Abbildung 103: Darstellung der Gebäudedächer des Referenzgebiets „Auf dem Klee“, Stadt
Osnabrück
Tabelle 28: Bewertungstabelle zur Neigungsvalidierung für das Referenzgebiet „Auf dem Klee“
Neigung Konstruktion
Neigung Berechnung 2005
Neigung
Berechnung 2011
Abweichung
Neigung Konstrukt zu 2005
Abweichung
Neigung Konstrukt zu 2011
Neigung zu
2005
Neigung
zu 2011
63925
38
23
39
15
1
39%
3%
64055
38
46
37
8
1
21%
3%
63927
18
19
18
1
0
6%
0%
63927
36
36
35
0
1
0%
3%
63933
35
36
35
1
0
3%
0%
63759
39
39
39
0
0
0%
0%
63777
38
38
39
0
1
0%
3%
63780
38
38
39
0
1
0%
3%
63783
38
38
39
0
1
0%
3%
Allegeb
V
63787
38
38
39
0
1
0%
3%
63790
38
38
39
0
1
0%
3%
63791
38
38
37
0
1
0%
3%
63934
35
35
36
0
1
0%
3%
63941
35
35
36
0
1
0%
3%
63945
35
35
36
0
1
0%
3%
63946
35
35
36
0
1
0%
3%
63949
35
35
36
0
1
0%
3%
63952
35
35
36
0
1
0%
3%
63761
39
38
39
1
0
3%
0%
63944
35
34
36
1
1
3%
3%
64055
38
37
37
1
1
3%
3%
64057
38
37
37
1
1
3%
3%
63926
36
34
35
2
1
6%
3%
64048
38
36
38
2
0
5%
0%
64052
38
36
38
2
0
5%
0%
63940
41
37
39
4
2
10%
5%
63804
39
34
38
5
1
13%
3%
Tabelle 29: Bewertungstabelle zur Ausrichtungsvalidierung für das Referenzgebiet „Auf dem Klee“
Ausrichtung
Konstruktion
Ausrichtung
Berechnung
2005
Ausrichtung
Berechnung
2011
Abweichung
Ausrichtung
Konstrukt zu 2005
Abweichung
Ausrichtung
Konstrukt zu
2011
Ausrichtung
zu 2005
Ausrichtung
zu 2011
63925
176
90
176
86
0
0,49
0%
64055
258
215
258
43
0
17%
0%
63927
198
199
196
1
2
1%
1%
63927
198
197
196
1
2
1%
1%
63933
257
259
261
2
4
1%
2%
63759
199
201
196
2
3
1%
2%
63777
258
259
259
1
1
0%
0%
63780
258
259
259
1
1
0%
0%
63783
258
259
259
1
1
0%
0%
63787
258
259
259
1
1
0%
0%
63790
258
259
259
1
1
0%
0%
63791
258
259
260
1
2
0%
1%
63934
257
259
259
2
2
1%
1%
63941
257
259
259
2
2
1%
1%
Allegeb
VI
63945
257
257
257
0
0
0%
0%
63946
257
257
257
0
0
0%
0%
63949
257
257
257
0
0
0%
0%
63952
257
257
257
0
0
0%
0%
63761
199
198
196
1
3
1%
2%
63944
257
257
257
0
0
0%
0%
64055
258
258
258
0
0
0%
0%
64057
258
258
258
0
0
0%
0%
63926
198
199
196
1
2
1%
1%
64048
258
255
258
3
0
1%
0%
64052
258
255
258
3
0
1%
0%
63940
189
187
187
2
2
1%
1%
63804
258
252
258
6
0
2%
0%
Tabelle 30: Bewertungstabelle zur Validierung der Modulflächengröße für das Referenzgebiet „Auf
dem Klee“
Dachfläche
Konstruktion
Modulfläche
Berechnung
2005
Modulfläche
Berechnung
2011
Diff Fläche
Konstrukt 2005
Diff Fläche
Konstrukt 2011
Fläche zu
2005
Fläche zu 2011
63925
77
45
76
32
1
42%
1%
64055
27
17,4
22
9,6
5
36%
19%
63927
16
9
19
7
3
44%
19%
63927
40
27,6
40
12,4
0
31%
0%
63933
65
47
59
18
6
28%
9%
63759
58
34
52
24
6
41%
10%
63777
49
39,4
48
9,6
1
20%
2%
63780
45,7
39
48
6,7
2,3
15%
5%
63783
47
40
46
7
1
15%
2%
63787
44,5
27,61
44
16,89
0,5
38%
1%
63790
33
35
33
2
0
6%
0%
63791
42
29
34
13
8
31%
19%
63934
44
31
41
13
3
30%
7%
63941
44
35
41
9
3
20%
7%
63945
37
20
37
17
0
46%
0%
63946
33
29
35
4
2
12%
6%
63949
34
28
37
6
3
18%
9%
63952
34
21
35
13
1
38%
3%
63761
44
19
43
25
1
57%
2%
Allegeb
VII
63944
33
22
32
11
1
33%
3%
64055
23
18
22
5
1
22%
4%
64057
30
30,5
31
0,5
1
2%
3%
63926
37
29
38
8
1
22%
3%
64048
41
25
38
16
3
39%
7%
64052
42
31
48
11
6
26%
14%
63940
68
45
70
23
2
34%
3%
63804
32
33
27
1
5
3%
16%
VIII
Tabelle 31: Bewertungstabelle zur Validierung der Jahressumme Globalstrahlung aus der Berechnung
auf Grundlage der Laserscandaten 2011 im Vergleich mit PVGIS-Daten für das Referenzgebiet „Auf
dem Klee“
Allegeb
AusrichNeigung tung
KonKonstruktion struktion
Umrech
ung
EinAusrich strahtung
lung PV
GIS 2.0
Einstrahlung PV
GIS
Einstrahlung
2011
DiffPV
GIS
Diff
2011 zu
Diff 2011 Einzu
Ein- strahstrahlung lung PV
PV GIS
GIS 2.0
63925
38
176
-4
1190
1080
1166
110
86
24
64055
38
258
78
1010
931
988
79
57
22
63927
18
198
18
1140
1050
1174
90
124
34
63933
35
257
77
1020
943
980
77
37
40
63759
39
199
19
1180
1080
1163
100
83
17
63777
38
258
78
1010
931
960
79
29
50
63780
38
258
78
1010
931
963
79
32
47
63783
38
258
78
1010
931
959
79
28
51
63787
38
258
78
1010
931
963
79
32
47
63790
38
258
78
1010
931
965
79
34
45
63791
38
258
78
1010
931
972
79
41
38
63927
36
198
18
1180
1080
1174
100
94
6
63934
35
257
77
1020
943
978
77
35
42
63941
35
257
77
1020
943
975
77
32
45
63945
35
257
77
1020
943
992
77
49
28
63946
35
257
77
1020
943
995
77
52
25
63949
35
257
77
1020
943
991
77
48
29
63952
35
257
77
1020
943
984
77
41
36
63761
39
199
19
1180
1080
1150
100
70
30
63944
35
257
77
1020
943
986
77
43
34
64055
38
258
78
1010
931
988
79
57
22
64057
38
258
78
1010
931
975
79
44
35
63926
36
198
18
1180
1080
1174
100
94
6
64048
38
258
78
1010
931
969
79
38
41
64052
38
258
78
1010
931
980
79
49
30
63925
40
175
-5
1190
1080
1166
110
86
24
63940
41
189
9
1180
1080
1186
100
106
6
63804
39
258
78
1010
928
973
82
45
37
IX
Tabelle 32: Bewertungstabelle zur Validierung der Neigung aus der Berechnung und Vor-Ort-Kontrolle
Stadt Braunschweig auf Grundlage der Laserscandaten aus 2003
ID
Neigung
nung (°)
Berech- Neigung Vor-OrtBegehung (°)
Differenz
Prz. -Abweichung
1402 /06
43
33
10
30%
1826
51
50
1
2%
151
38
35
3
9%
1803
53
50
3
6%
1760
59
54
5
9%
1977
50
40
10
25%
932
48
53
5
9%
1949
54
52
2
4%
1988
60
53
7
13%
1885
52
54
2
4%
383
44
53
9
17%
1936
54
53
1
2%
1830
51
55
4
7%
1891
52
53
1
2%
1895
52
53
1
2%
1948
54
53
1
2%
1933
54
53
1
2%
1738
50
53
7
6%
179
44
35
9
26%
1976
59
55
4
7%
1692
47
53
6
11%
1882
52
53
1
2%
1965
58
53
5
9%
1827
51
53
2
4%
1631
45
45
0
0%
955
43
50
7
14%
1836
51
40
11
28%
X
Tabelle 33: Bewertungstabelle zur Validierung der Orientierung aus der Berechnung und Vor-OrtKontrolle Stadt Braunschweig auf Grundlage der Laserscandaten aus 2003
ID
Orientierung
rechnung (°)
Orientierung aus
Be- Liegenschaftsdaten (°)
Differenz
Prz. -Abweichung
1402 /06
115
121
6
5%
1826
201
210
9
4%
151
202
210
8
4%
1803
197
210
13
6%
1808
206
210
4
2%
1760
208
210
2
1%
1977
208
210
2
1%
932
204
210
6
3%
1949
208
210
2
1%
1988
204
210
6
3%
1934
205
210
5
2%
1885
203
210
7
3%
383
113
121
8
7%
1936
207
210
3
1%
1830
203
210
7
3%
1891
206
210
4
2%
1895
208
210
2
1%
1948
208
210
2
1%
1933
204
210
6
3%
1738
198
210
12
6%
179
200
210
10
5%
1976
208
210
2
1%
1692
203
210
7
3%
1882
200
210
10
5%
1965
208
210
2
1%
1827
201
210
9
4%
1631
208
210
2
1%
955
203
200
7
1%
1836
208
210
2
1%
XI

Die Sponsoren wünschen allen Teilnehmern „gut Schuss“!

Thermische Solaranlagen

Download - Dr. Bichlmeier Beratung und Seminare

662 KB, pdf - Solarfocus

Wir bringen die Sonne unter Ihr Dach!

Heutzutage reicht nicht mehr nur eine gute Idee aus, um den Erfolg

NEST widmet sich der Bespielung und Verwendung von

Stand-der-Technik-Papier Solaranlagen

Bundesförderungen für erneuerbare Energien 2016

pdf, 76 KB