KI4Wind

Abstract

Zur Erreichung der Klimaneutralität ist neben dem Ausbau erneuerbarer Energien insbesondere die Effizienzsteigerung bestehender Windparks von hoher Bedeutung. Moderne Windenergieanlagen (WEA) werden bislang überwiegend lokal optimiert, ohne die gegenseitige aerodynamische und betriebliche Beeinflussung innerhalb eines Windparks systematisch zu berücksichtigen. Gerade im Zusammenspiel mehrerer Anlagen bestehen jedoch erhebliche Potenziale zur Lastreduktion, zur Ertragssteigerung sowie zur Verlängerung der Lebensdauer der Komponenten. Im Vorhaben KI4Wind wird der Einsatz maschineller Lernverfahren zur Identifikation spezifischer Betriebs- und Lastsituationen von WEA erforscht, um physikalische Lasten zu reduzieren und gleichzeitig die elektrische Leistung zu optimieren. Hierzu werden zunächst zusätzliche Sensorsysteme der Fibercheck GmbH in reale Windparks integriert, um bestehende Messdatensätze gezielt zu erweitern. Auf Basis dieser realen Sensordaten sowie ergänzender synthetischer Simulationsdaten des Fraunhoer IWES werden durch Turbit Systems GmbH KI-basierte Agenten zur Betriebsführung trainiert und anschließend im Feld durch das Konsortium iterativ optimiert. Die entwickelten Modelle sollen perspektivisch als Module in lokale WEA-Steuerungen integriert oder zentral in einem Cloud-basierten Optimierungsansatz eingesetzt werden. Das Vorhaben stärkt die Wettbewerbsfähigkeit deutscher Unternehmen im Windenergiesektor und leistet einen Beitrag zur langfristigen Klimaneutralität.