CeBIT 2014 13.03.2014, 12:14 Uhr

Neuronale Netze machen Windturbinen zu denkenden Maschinen

Mit Hilfe neuronaler Netze sollen Windturbinen in Zukunft selbstständig ihre Energieausbeute bei schlechtem Wetter optimieren. Innerhalb weniger Wochen lernen sie selbstständig, Wetterbedingungen vorauszuahnen und die Maschinenparameter frühzeitig anzupassen. Siemens präsentiert eine Pilotanlage derzeit auf der CeBIT. 

Windpark Lillgrund zwischen Malmö und Kopenhagen: Besonders Offshore-Anlagen wie diese könnten vom lernenden System profitieren und wirtschaftlich rentabler werden.  

Windpark Lillgrund zwischen Malmö und Kopenhagen: Besonders Offshore-Anlagen wie diese könnten vom lernenden System profitieren und wirtschaftlich rentabler werden.  

Foto: Siemens

Die Forschungsabteilung von Siemens nutzt so genannte neuronale Netze, um den Wirkungsgrad von Windkraftanlagen zu verbessern. Sie funktionieren im Prinzip wie das menschliche Gehirn und sorgen für Lerneffekte: Nach wenigen Wochen soll eine Turbine in der Lage sein, häufig wiederkehrende Bedingungen zu erkennen und etwa die Drehzahl des Windrades selbstständig anzupassen. Auch seltener auftretende Verhältnisse würden nach längerer Betriebsdauer registriert.

Windkraftanlagen sind grundsätzlich so ausgelegt, dass sie bei optimalen Bedingungen die höchste Ausbeute erzeugen. Bei geringeren Windstärken ist das bislang nicht der Fall. Mit dem neuen System soll nicht nur der Ertrag bei mittlerer Windstärke um etwa ein Prozent pro Jahr gesteigert, sondern auch der Verschleiß reduziert werden.

Siemens zeigt Pilotanlage auf der CeBIT

Derzeit stellen die Forscher ihre Arbeit auf der CeBIT in Hannover vor. Mit einer Demonstrationsanlage zeigen sie, wie eine Turbine ihre Betriebsdaten speichert und nutzt. Die Software erstellt anschließend aus den über Sensoren gewonnenen Daten ein Modell, das die Stromproduktion bei bestimmten Wetterverhältnissen vorhersagt.

Um aus einer hohen Anzahl sehr verrauschter Daten aussagekräftige Merkmale zu gewinnen, wird das so genannte Reinforcement Lernen mit den Neuronalen Netzen verknüpft. Das System arbeitet iterativ, nähert sich also durch häufig wiederholte Analysen immer weiter der exakten Lösung an. Nach Angaben von Siemens hat es den Praxistest vergangenes Jahr in einem spanischen Windpark bereits bestanden.

Neuronale Netze besonders effektiv bei Offshore-Anlagen

Besonders nützlich könnte das Verfahren im Offshore-Bereich sein, wo die Wetterbedingungen häufig extremer sind als an Land. Auch der geringere Verschleiß wäre ein wichtiger Pluspunkt, da die aufwendige Installation auf See – verbunden mit langen Kabelstrecken – sich damit eher rechnen könnte.

Spezialisten für Lernende Systeme der globalen Siemens-Forschung Corporate Technology (CT) entwickelten dieses Selbstoptimierungs-Verfahren für Windturbinen in dem vom Bundesforschungsministerium geförderten Projekt „Autonomous Learning in Complex Environments“ (Alice) zusammen mit der TU Berlin und der IdaLab GmbH.

Nach Angaben von Siemens sind die Methoden, mit denen das System arbeitet, gut übertragbar. Auch andere Maschinen könnten so lernen, sich selbst zu optimieren. Neuronale Netze werden bereits seit längerem dafür genutzt, den Betrieb etwa von Fabrikanlagen zu modellieren und vorherzusagen.

Top Stellenangebote

Stromnetz Berlin GmbH Ingenieur (m/w) Netzleitstelle Berlin
DSK Deutsche Stadt- und Grundstücksentwicklungsgesellschaft mbH & Co. KG-Firmenlogo
DSK Deutsche Stadt- und Grundstücksentwicklungsgesellschaft mbH & Co. KG Projektbearbeiter (m/w) Stadtentwicklung Bielefeld
WACKER-Firmenlogo
WACKER Ingenieur (w/m) für das Bauwesen mit dem Schwerpunkt Hochbau / Konstruktiver Ingenieurbau Burghausen
Kistler Instrumente GmbH-Firmenlogo
Kistler Instrumente GmbH Key Account Manager (m/w) Qualitätsüberwachung im Bereich Automotive Manufacturing Sindelfingen, Home-Office
Cargill GmbH-Firmenlogo
Cargill GmbH Project & Process Engineering Manager (m/f) Hamburg-Harburg
THOST Projektmanagement GmbH-Firmenlogo
THOST Projektmanagement GmbH Scheduler / Project Planner (m/f) Stockholm, Västerås (Schweden)
Landeshauptstadt München-Firmenlogo
Landeshauptstadt München Planer/innen für ITK-Netzwerktechnik München
Giesecke + Devrient Currency Technology GmbH-Firmenlogo
Giesecke + Devrient Currency Technology GmbH Diplom-Ingenieur / Bachelor / Master für Maschinenbau (m/w) Leipzig
Landeshauptstadt München-Firmenlogo
Landeshauptstadt München Mitarbeiter/innen für Energiemanagement und Anlagenoptimierung in städtischen Gebäuden München
Peek & Cloppenburg KG-Firmenlogo
Peek & Cloppenburg KG Projektleiter (M/W) Facility Management Baubereich Düsseldorf