Sommersemester 2024Bachelorarbeit

Aufbau und Cloud-Integration der Campus Wetterstation

AutorenHSRM Student
BetreuungProf. Dr. Holger Hünemohr

Zusammenfassung/Ziel

Das Hauptziel dieser Arbeit war der Entwurf, Aufbau und die Inbetriebnahme einer automatisierten Wetterstation auf dem Campus "Unter den Eichen" der Hochschule RheinMain (HSRM). Das Projekt zielte darauf ab, diese Station in eine moderne IT-Architektur zu integrieren (aufbauend auf früheren Projekten wie "Smart Greenhouse" und "Datenraumwald"), um Wetterdaten sicher in der HZD-Forschungscloud (Hessische Zentrale für Datenverarbeitung) zu speichern.

Ein wesentlicher Schwerpunkt lag auf der Nutzung von Open-Source-Software zur Gewährleistung digitaler Souveränität sowie dem Entwurf eines robusten Energiemanagementsystems, um einen ganzjährigen autonomen Betrieb mittels Solarenergie sicherzustellen.

Standort & DWD-Konformität

Die Station befindet sich auf einer ebenen Grasfläche in der Nähe von Gebäude B1 auf dem Campus "Unter den Eichen". Die Standortwahl basierte auf den Richtlinien des Deutschen Wetterdienstes (DWD) für nebenamtliche Wetterstationen.

Die erste Iteration der installierten Wetterstation am Campus Unter den Eichen.
Die erste Iteration der installierten Wetterstation am Campus Unter den Eichen.

Konformitätsstatus: "Fast DWD-konform"

Die Station erfüllt die meisten DWD-Anforderungen für ein Standard-Messfeld:

  • Untergrund: Ebene, grasbewachsene Fläche (Standardreferenz).
  • Störfaktoren: Weit entfernt von unmittelbaren Wärmequellen, Feuchtigkeitsauslässen oder elektromagnetischen Störungen.

Abweichungen: Eine strikte DWD-Konformität wird jedoch aufgrund der spezifischen Campusumgebung nicht erreicht:

  1. Hindernisse (Verschattung): Die umliegenden Bäume und Gebäude verletzen die strengen Abstandsregeln für Hindernisse. Insbesondere ein großer Baum im Südwesten wirft zwischen 15:30 und 16:30 Uhr einen Schatten auf den Globalstrahlungssensor, was zu einem Einbruch der Messwerte führt.
  2. Sensorhöhe: Während die primäre Lufttemperatur in Standardhöhe gemessen wird, ist der sekundäre Bodensensor in 20 cm Höhe (relevant für Landwirtschaft/Campusnutzung) angebracht, statt der strikten DWD-Vorgabe von 5 cm.

Detaillierte Sensorspezifikationen

Die Station ist mit hochpräzisen Sensoren ausgestattet, die an einen Ser[LOG] Plus Datenlogger der Lambrecht meteo GmbH angeschlossen sind.

SensortypModell / HerstellerMessprinzipBereichGenauigkeit / Anmerkungen
DatenloggerSer[LOG] Plus (Lambrecht)Zentraler DatensammlerN/AHohe Konnektivität, geringer Stromverbrauch
NiederschlagJoss-Tognini-15189 (Lambrecht)Kippwaage2/4 cm³ Wippe±2% Genauigkeit; beheizt für den Winter
GlobalstrahlungCMP3 (Kipp & Zonen)Pyranometer (Thermopile)0–2000 W/m²ISO 9060 Klasse C; Spektralbereich 300–2800 nm
WindgeschwindigkeitARCO-Serial (Lambrecht)Schalenstern-Anemometer0,3 – 75 m/s±2% Genauigkeit; robust gegen Böen
WindrichtungARCO-Serial (Lambrecht)Windfahne0° – 360°±1° Genauigkeit
LufttemperaturPT-1000 (Hoffmann)Widerstand (Belüftet)-20°C bis +70°C±0,2°C; belüftetes Gehäuse zur Vermeidung von Hitzestau
LuftfeuchtigkeitKapazitiver Sensor (Hoffmann)Kapazitives Polymer5% – 100% r.F.±1,5% Genauigkeit (Bereich 5–95%)
BodentemperaturPT-100 (Hoffmann)Widerstandsfühler-20°C bis +70°C±0,2°C; in der Tiefe vergraben
BlattfeuchteKapazitiver Fühler (Hoffmann)Dielektrizitätskonstante0% (trocken) – 100% (nass)Erkennt Tau und Niederschlagsdauer

Systemarchitektur

Die IT-Architektur gewährleistet eine sichere Datenübertragung vom Feld in die Cloud:

  1. Feld-Ebene (Die Station):

    • Sensoren -> Ser[LOG] Plus Logger.
    • Logger überträgt Daten via MQTT-Protokoll über einen lokalen TP-Link Router (mit OpenWrt).
    • Stromversorgung: 100Wp Solarpanel + 60Ah LiFePO4 Batterie (Victron Energy).
  2. Gateway-Ebene (Hochschul-VM):

    • Mosquitto Broker: Empfängt rohe MQTT-Nachrichten.
    • Node-RED: Verarbeitet Daten, fügt Metadaten hinzu und leitet sie an die Cloud weiter.
    • InfluxDB: Bietet temporäre lokale Speicherung zur Redundanz.
  3. Cloud-Ebene (HZD-Forschungscloud):

    • Kubernetes Cluster mit der Stackable Data Platform.
    • Apache Kafka: Nimmt Datenströme mit hohem Durchsatz auf.
    • Apache Druid: Speichert Daten für Echtzeitanalysen.
    • Apache Superset: Visualisiert Daten auf Dashboards.

Ergebnisse & Fazit

  • Erfolgreiche Inbetriebnahme: Die Station wurde erfolgreich installiert und unter Verwendung fast ausschließlich von Open-Source-Software in die komplexe HZD-Cloud-Architektur integriert.
  • Energieanalyse: Ein wesentliches Ergebnis war, dass das 100W Solarpanel für den Dezember unzureichend ist, da die Energieproduktion unter den täglichen Systemverbrauch fällt. Dies machte die "Low-Power"-Strategien erforderlich, die in späteren Masterprojekten untersucht wurden.
  • Datenqualität: Trotz des Verschattungsproblems ist die Datenqualität hoch und vergleichbar mit professionellen Stationen, was wertvolle Mikroklimadaten für den Campus liefert.