Energieoptimierung

Automatische Selbstoptimierung für Windturbinen

| Redakteur: Bernhard Richter

Die Anlage lernt aus vorhandenen Sensordaten wie beispielsweise der Windstärke, selbständig ihre Einstellgrößen so zu verändern, dass sie die bestehenden Verhältnisse bestmöglich nutzt.
Die Anlage lernt aus vorhandenen Sensordaten wie beispielsweise der Windstärke, selbständig ihre Einstellgrößen so zu verändern, dass sie die bestehenden Verhältnisse bestmöglich nutzt. (Bild: Zenit)

Siemens bringt Windturbinen bei, ihren Betrieb automatisch und möglichst optimal an die Wetterverhältnisse anzupassen. Denn gerade bei niedrigen und mittleren Windstärken liefern Windenergieanlagen nicht immer die maximal mögliche Strommenge.

Windkraftanlagen lernen mit dem System von Siemens aus gesammelten Sensordaten wie beispielsweise der Windstärke, selbständig ihre Einstellgrößen der Rotorblätter so zu verändern, dass die bestehenden Verhältnisse bestmöglich genutzt werden.

Spezialisten für Lernende Systeme der globalen Siemens-Forschung Corporate Technology entwickelten dieses Selbstoptimierungs-Verfahren für Windturbinen in dem vom Bundesforschungsministerium geförderten Projekt ALICE (Autonomous Learning in Complex Environments) zusammen mit der TU Berlin und der Ida-Lab GmbH. Mit dem eingesetzten System kann eine Anlage bei mittleren Windgeschwindigkeiten im Jahr etwa ein Prozent mehr Strom erzeugen und gleichzeitig ihren Verschleiß reduzieren.

Die Windkraftanlage lernt "denken"

Die Forscher zeigen an einem Demonstrator, wie eine Windturbine ihre Betriebsdaten nutzt und schrittweise ihre Stromproduktion steigert. Dazu verknüpfen sie die Anlagen mit speziellen neuronalen Netzen. Neuronale Netze sind Computerprogramme, die ähnlich arbeiten wie das menschliche Gehirn. Siemens entwickelt seit vielen Jahren Neuronale Netze, um das Verhalten von hochkomplexen Systemen - das können Windparks, Gasturbinen, Fabrikanlagen aber auch Börsenmärkte sein - zu modellieren und prognostizieren.

Die Programme lernen anhand von Daten aus der Vergangenheit und können dann zum Beispiel Prognosen für das zukünftige Verhalten eines Systems abgeben. So lässt sich auch ein Modell erstellen, das die Stromproduktion einer Windturbine bei bestimmten Wetterdaten vorhersagt. Um nun die Effizienz der Windturbine mit Hilfe ihrer Stellgrößen - beispielsweise der Drehzahl der Windturbine - zu verbessern, identifizierten die Forscher aus einer hohen Anzahl sehr allgemeiner Daten aussagekräftige Merkmale.

Neuronale Netzwerke liefern optimale Stromausbeute

Mittels patentierter neuronaler Netze entstand daraus eine sogenannte Reinforcement Learning Policy. Für eine höchstmögliche Stromausbeute lernt das System, die Einstellungen der Windturbine so zu verändern, dass es in der jeweiligen Situation immer die maximale Strommenge erzielt. Schon nach wenigen Wochen kennt es die optimalen Stellgrößen für häufig auftretende Zustände. Nach längeren Lernphasen meistert es auch seltene Situationen wie etwa außergewöhnliche Wetterlagen. 2013 wurde die Technik in einem spanischen Windpark erfolgreich erprobt.

Mit einer fortwährenden Erkundung um lohnende Ziele kann ein System iterativ immer besser werden. Da die Methoden gut übertragbar sind, können so auch weitere Anlagen lernen, sich zu optimieren. (br)

Kommentare werden geladen....

Kommentar zu diesem Artikel abgeben

Der Kommentar wird durch einen Redakteur geprüft und in Kürze freigeschaltet.

Anonym mitdiskutieren oder einloggen Anmelden

Avatar
Zur Wahrung unserer Interessen speichern wir zusätzlich zu den o.g. Informationen die IP-Adresse. Dies dient ausschließlich dem Zweck, dass Sie als Urheber des Kommentars identifiziert werden können. Rechtliche Grundlage ist die Wahrung berechtigter Interessen gem. Art 6 Abs 1 lit. f) DSGVO.
  1. Avatar
    Avatar
    Bearbeitet von am
    Bearbeitet von am
    1. Avatar
      Avatar
      Bearbeitet von am
      Bearbeitet von am

Kommentare werden geladen....

Kommentar melden

Melden Sie diesen Kommentar, wenn dieser nicht den Richtlinien entspricht.

Kommentar Freigeben

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

Freigabe entfernen

Der untenstehende Text wird an den Kommentator gesendet, falls dieser eine Email-hinterlegt hat.

copyright

Dieser Beitrag ist urheberrechtlich geschützt. Sie wollen ihn für Ihre Zwecke verwenden? Infos finden Sie unter www.mycontentfactory.de (ID: 42589562 / Windkraftkonstruktion)