Eine schwierige Situation für Windpark-Betreiber: Die Windenergieanlage produziert weniger Strom als erwartet, doch die Ursache ist unklar. Liegt es an ungünstigen Windverhältnissen, falschen Einstellungen der Rotorblattwinkel oder aerodynamischen Effekten im Nachlauf anderer Windenergieanlagen?
Probleme schneller erkennen und abstellen
Bislang gebe es keine verlässliche Methode, die Ursachen für die Minderleistung automatisch zu erkennen, heißt es in einer Presseinformation des Fraunhofer IWES. Das Forschungsprojekt Wind KI des Instituts gemeinsam mit dem auf KI spezialisierten Startup Latoda soll dies nun ändern. Die Partner entwickeln ein Diagnosesystem auf der Basis von Messdaten, Simulationen und KI. Dieses System soll dann mit heuristischen Algorithmen und Machine-Learning-Modellen auftretenden Abweichungen in den Daten und deren Ursache auf die Spur kommen: Es liefert auch Hinweise auf die wahrscheinlichen Ursachen – von Rotorblatt-Einstellungen bis zu ungünstigen Betriebszuständen. Das Ziel ist klar: Probleme schneller erkennen und abstellen. „Die Ergebnisse des Projekts verbessern unser Verständnis der gesamten Anlagendynamik“, sagt Philipp Thomas, Gruppenleiter Gesamtanlagendynamik am Fraunhofer IWES.
System stellt Abweichungen automatisch fest
Die ersten Modelle des Diagnosesystems basieren auf hochaufgelösten SCADA-Datensätzen der 8-Megawatt-Forschungsanlage Adwen AD8 des Fraunhofer IWES. Latoda entwickelt darauf aufbauend das KI-basierte Analysesystem, das automatisch feststellt, ob eine Anlage wie erwartet arbeitet oder unter ihrer möglichen Leistung bleibt und relevante Parameter zur Optimierung vorschlägt. Mitte kommenden Jahres sollen Ergebnisse vorliegen.
Lauschangriff aufs Rotorblatt: So können künftig Schäden aus der Ferne erkannt werden
LATODA
