Windkraft: Verbundprojekt erarbeitet KI-gestütztes Diagnosesystem
Im Rahmen des Verbundprojekts „WindKI“ entwickeln Forschende des Fraunhofer IWES gemeinsam mit dem Start-up Latoda ein KI-gestütztes Verfahren zur Optimierung von Windenergieanlagen. Leistungseinbußen sollen frühzeitig identifiziert und die Effizienz der Anlage gesteigert werden.
Ein Verbundprojekt möchte die Effizienz von Windkraftanlagen verbessern.
Foto: Smarterpix / pedro2009
Windenergieanlagen liefern im Betrieb nicht immer die vor der Errichtung prognostizierte Strommenge. Die Gründe dafür können vielfältig sein: etwa ungünstige Windverhältnisse, falsche Einstellungen der Rotorblattwinkel oder aerodynamische Effekte im Nachlauf anderer Windenergieanlagen. Bisher gibt es keine verlässliche Methode, die Ursachen für die Minderleistung automatisch zu erkennen. Im Rahmen des Forschungsprojekts „WindKI“ entwickelt das Fraunhofer-Institut für Windenergiesysteme IWES nun gemeinsam mit dem KI-Start-up Latoda ein Verfahren, das Leistungseinbußen bei Windenergieanlagen frühzeitig erkennt. Ziel des vom Bundesministerium für Forschung, Technologie und Raumfahrt geförderten Vorhabens ist die Implementierung eines KI-gestützten Diagnosesystems, das eine objektive und datengetriebene Leistungsoptimierung von Windkraftanlagen ermöglichen soll. „Die Ergebnisse des Projekts verbessern unser Verständnis der gesamten Anlagendynamik“, sagt Philipp Thomas, Gruppenleiter Gesamtanlagendynamik am Fraunhofer IWES.
Künstliche Intelligenz erkennt Anomalien
Wie sieht der Lösungsansatz konkret aus? Durch die Kombination von Messdaten, Simulationen und Künstlicher Intelligenz entsteht ein Diagnosesystem, das mit heuristischen Algorithmen und Machine-Learning-Modellen Anomalien im Datensatz detektiert. Die ersten Modelle basieren auf hochaufgelösten SCADA-Datensätzen der 8-Megawatt-Forschungsanlage Adwen AD8, die das Fraunhofer IWES für das Projekt zur Verfügung stellt. Latoda entwickelt darauf aufbauend ein Analysesystem, das automatisch feststellt, ob eine Anlage wie erwartet arbeitet oder unter ihrer möglichen Leistung bleibt. Die KI meldet dabei nicht nur die Auffälligkeiten, sondern liefert auch Hinweise auf die wahrscheinlichen Ursachen – von Rotorblatt-Einstellungen bis zu ungünstigen Betriebszuständen.
Probleme schnell erkennen und abstellen
„Mit unserem Algorithmus schaffen wir die Grundlage für eine schnelle und zuverlässige Fehlerdiagnose. So lassen sich Ausfälle und Minderleistungen deutlich reduzieren“, so Latoda-Geschäftsführer Daniel Hein. Sein Unternehmen, mit Sitz in Hamburg und Marburg, ist auf die Entwicklung von KI-Lösungen spezialisiert. Im „WindKI“-Kernteam wird Expertise aus den Bereichen Künstliche Intelligenz, Wirtschaftsinformatik, Betriebswirtschaft, Windenergie und Zertifizierung kombiniert. Hein ist überzeugt: Betreibende von Windkraftanlagen erhalten durch das Verbundprojekt ein Werkzeug, das hilft, Probleme schneller zu erkennen und abzustellen; der Windindustrie soll die entwickelte Methodik eine kundenorientierte KI-Modellentwicklung auf Basis beliebiger Zeitreihendaten ermöglichen.
