Motivation
Um Klimaneutralität in der Energieversorgung zu erreichen, ist es notwendig, die regenerativen Energiequellen auszubauen und zu optimieren. Dabei sollte auch berücksichtigt werden, wie sie sich gegenseitig beeinflussen. Die Steuerung moderner Windenergieanlagen (WEA) betrachtet derzeit ausschließlich die jeweilige Anlage selbst und nicht, wie sich andere Anlagen im Windpark verhalten. Gerade aber in ihrem Zusammenspiel kann der Betrieb von WEA optimiert, Lasten verringert und damit die Lebensdauer verlängert werden. Dadurch können der Gesamtwirkungsgrad und der Nettoertrag von Windparks erhöht werden.
Ziele und Vorgehen
KI4Wind soll den Einsatz von maschinellen Lernverfahren (ML) zur Identifikation spezifischer Betriebs- und Lastsituationen von WEA erforschen, um physikalische Lasten zu reduzieren und die elektrische Leistung von WEA zu optimieren. Hierzu werden mit Unterstützung assoziierter Partner zunächst Sensoren des Partners Fibercheck GmbH in reale Windparks integriert, um bestehende Sensormessdatensätze gezielt zu ergänzen. Auf Basis dieser realen Messwerte und spezifischer synthetischer Simulationsdaten des beteiligten Forschungspartners sollen federführend durch Turbit Systems GmbH auf künstlicher Intelligenz (KI) basierende Agenten zur Steuerung von WEA trainiert und anschließend vom Konsortium im Feld optimiert werden.
Innovationen und Perspektiven
Das Vorhaben bietet gegenüber bestehenden Technologien das Potenzial einer optimierten Betriebsführung von Windparks. Die im Vorhaben erarbeiteten Modelle sollen anschließend als eigenständige Module in die lokale Betriebssteuerung von WEA integriert oder zentralisiert in einem Cloud-Computing-Ansatz für die Betriebsoptimierung angewendet werden. Mittelfristig stärkt das Vorhaben die Wettbewerbsfähigkeit deutscher Unternehmen im Windkraftbereich und trägt damit langfristig zur Klimaneutralität bei.