Verbundvorhaben: WINDOW - Entwicklung eines Lidar- und KI-gestützten Verfahrens zur großräumigen Vermessung des Windfeldes innerhalb und außerhalb von Offshore-Windparks; Teilvorhaben: Entwicklung und Test von Methoden zur Generierung eines Lidar- und KI-gestützten Windfeldes auf Basis von Messdaten

Abstract

Das Verbundprojekt Window -Entwicklung eines Lidar- und KI-gestützten Verfahrens zur großräumigen Vermessung des Windfeldes innerhalb und außerhalb von Offshore-Windparks war eine Forschungskooperation der Universität Kassel mit dem Fraunhofer IEE und dem Unternehmen Energie Baden-Württemberg AG (EnBW). Das Verbundprojekt, bestehend aus zwei Teilprojekten, wurde durch die Universität Kassel als Projektkoordinator geleitet. Das Teilvorhaben: Entwicklung und Test von Methoden zur Generierung eines Lidar- und KI-gestützten Windfeldes auf Basis von Messdaten wurde von der Universität Kassel durchgeführt. Der Fokus des Vorhabens lag auf der Generierung von qualitativ hochwertigen Datensätzen für die Untersuchung der Nachlaufströmungen und die Generierung eines KI-Windfeldes in und um den Windpark. Die Datensätze von zwei Messphasen der Offshore-Messkampagne bilden hierfür die Grundlage. Sowohl für den Onshore- als auch den Offshore-Standort wurden verschiedene datengetriebene Methoden zur Windfeldgenerierung entwickelt, hinsichtlich ihrer Ergebnisse evaluiert und durch Hyperparametertuning verbessert. Das finale Verfahren basiert auf Machine-Learning-Modellen des supervised Learnings, die mittels Betrachtung der frei strömenden Windbedingungen und atmosphärischen Bedingungen einen optimalen Wake-Modell-Parameter für klassische Engineering-Wake-Modelle schätzen. Die Modelle wurden unter anderem auf Lidar-Daten trainiert, die eine Generierung eines Windfeldes in einer Auflösung von 75 m × 75 m ermöglichen. Die im WINDOW-Projekt entwickelten KI-gestützten Methoden zur Generierung von Windfeldern bieten den potenziellen Einsatz für Echtzeitprognosen, die für Redispatch und Flexibilitätsoptionen genutzt werden können. Insgesamt hat die Kombination aus scannenden Lidaren und KI in vielen Anwendungsfeldern das Potenzial einen Mehrwert für die Windindustrie zu schaffen. The joint project Window - Development of a lidar- and AI-based method for the large scale measurement of the wind field within and outside of offshore wind farms was a research cooperation of the University of Kassel, the Fraunhofer IEE and the company Energie Baden-Württemberg AG (EnBW). The joint project, consisting of two subprojects, was led by the University of Kassel as the project coordinator. The sub-project: Development and testing of methods for generating a Lidar and AI supported wind field based on measurement data was conducted by the University of Kassel. The focus of the project was on generating high-quality datasets for the investiga tion of wake flows and the creation of an AI wind field in and around the wind farm. The datasets from two measurement phases of the offshore measurement campaign provide the basis for this. Various data-driven methods for wind field generation were developed for both onshore and offshore sites, evaluated in terms of their results, and improved through hyperpara meter tuning. The final method is based on supervised machine learning models that estimate an optimal wake model parameter for classical engineering wake models by considering free-flowing wind conditions and atmospheric conditions. The models were trained on Lidar data, among other things, which enables the generation of a wind field with a resolution of 75 m × 75 m. The AI-supported methods for generating wind fields developed in the WINDOW project offer potential for real-time forecasts that can be used for redispatch and flexibility options. An extension of the application of scanning Lidars and the AI wind field to far wakes is conceivable in the future but requires greater ranges of the measuring devices. Overall, the combination of scanning Lidars and AI has the potential to create added value for the wind industry in many application areas.