Nachhaltige Mobilität gründet auf dem Einsatz regenerativer Energie für den Antrieb, unabhängig von der eingesetzten Technologie. Dabei spielt Wind- und Solarenergie eine entscheidende Rolle, die jedoch eine intermittierende und stochastische Natur besitzen. Sie sind daher nur durch fortschrittliche Vorhersage-, Kommunikations- und Regelungssysteme in der Lage, dem Stromsektor gemeinsam eine sichere, planbare und wachsende Erzeugungskapazität zu bieten. Eine Schlüsseltechnologie zur Bewältigung der genannten Herausforderungen ist das machine learning.
Im Rahmen dieses Enabler-Projekts werden verschiedene Methoden des maschinellen Lernens (insbesondere neuronale Netze) eingesetzt. Die zu entwickelnden Modelle verbessern die Charakterisierung der Leistung von Windparks unter verschiedenen Wetterbedingungen und ermöglichen die Optimierung ihrer Regelung.
Für die Charakterisierung von Windparks müssen zahlreiche Parameter berücksichtigt werden: Windgeschwindigkeit, Windrichtung (Windschatten und Nachlaufeffekte innerhalb des Parks), Turbulenzintensität, Temperatur und Feuchtigkeit (Luftdichte), thermische Schichtung der Atmosphäre (vertikales Windprofil) usw. Die auf neuronalen Netzen basierenden Windparkleistungskurvenmodelle sollen anhand simulierter Stromerzeugungsdaten unter verschiedenen Wetterbedingungen antrainiert werden. Diese Modelle sollten genauere Leistungsvorhersagen sowie die Überwachung der Leistungserzeugung von Windparks ermöglichen.
Für die Entwicklung fortschrittlicher Regelungsstrategien wird die Interaktion zwischen die Windenergieanlagen innerhalb eines Windparks unter verschiedenen Wetter- und Betriebsbedingungen untersucht und mit Hilfe von Algorithmen des maschinellen Lernens modelliert, so dass intelligente und standortspezifische Regelungsstrategien entwickelt werden können. Es wird eine breite Datenbasis von Strömungssimulationen erstellt. Innovative Regelungsstrategien, wie z.B. die Umlenkung des Nachlaufs von Windenergieanlagen durch den gezielten Einsatz von moderaten Gierfehlern bei einzelnen Windenergieanlagen, werden im Detail untersucht.
Wir erwarten, dass die Implementierung solcher Lösungen einen wesentlichen Beitrag leisten wird, indem sie den Ausbau und die Integration der Windenergie erheblich begünstigt und eine Anbindung an die Nutzerperspektive gestattet.
Die Mitwirkende des Projekts sind: Prof. Dr. Iván Herráez, Shumian Zhao und Andrea Matiz
