Forum für Wissenschaft, Industrie und Wirtschaft

Hauptsponsoren:     3M 
Datenbankrecherche:

 

Automatische Selbstoptimierung für Windturbinen

12.03.2014

Siemens bringt Windturbinen bei, ihren Betrieb automatisch und möglichst optimal an die Wetterverhältnisse anzupassen.

Die Anlage lernt aus vorhandenen Sensordaten wie beispielsweise der Windstärke, selbständig ihre Einstellgrößen so zu verändern, dass sie die bestehenden Verhältnisse bestmöglich nutzt. Gerade bei niedrigen und mittleren Windstärken liefern Windenergieanlagen nicht immer die maximal mögliche Strommenge.


Spezialisten für Lernende Systeme der globalen Siemens-Forschung Corporate Technology (CT) 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 IdaLab GmbH.

Vom 10. bis 14. März stellen die Forscher ihre Arbeit auf der CeBIT in Hannover vor. Damit kann eine Anlage bei mittleren Windgeschwindigkeiten im Jahr etwa ein Prozent mehr Strom erzeugen und gleichzeitig ihren Verschleiß reduzieren.

Die Forscher zeigen an einem Demonstrator, wie eine Windturbine ihre Betriebsdaten nutzt und schritt­weise ihre Stromproduktion steigert. Dazu verknüpfen sie so genanntes Reinforcement Lernen mit speziellen Neuronalen Netzen. Neuronale Netze sind eine Software, die ähnlich arbeitet wie ein menschliches Gehirn.

Siemens CT entwickelt seit vielen Jahren Neuronale Netze, um das Verhalten von hochkomplexen Systemen - das können Windparks, Gasturbinen, Fabrikanlagen oder 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 verrauschter Daten aussagekräftige Merkmale. Mittels patentierter Neuronaler Netze entstand daraus eine sogenannte Reinforcement Learning Policy.

Für das Ziel einer hohen Stromausbeute erlernt 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 Datenzeiträumen meistert es auch seltene Situationen wie etwa außergewöhnliche Wetterlagen. Vergangenes Jahr wurde die Technik in einem spanischen Windpark erfolgreich erprobt. 

Mit einer fortwährenden Erkundung um lohnende Betriebspunkte kann ein System iterativ immer besser werden. Da die Methoden gut übertragbar sind, können so auch weitere Siemens Produkte lernen, sich zu optimieren. 

Weitere Informationen:

http://www.siemens.de/innovationnews

Dr. Norbert Aschenbrenner | Siemens InnovationNews

Weitere Nachrichten aus der Kategorie Energie und Elektrotechnik:

nachricht Digitale Messtaster von WayCon – höchst präzise und vielseitig einsetzbar
14.11.2017 | WayCon Positionsmesstechnik GmbH

nachricht FAU-Forscher entwickeln neues Materialsystem für effiziente und langlebige Solarzellen
10.11.2017 | Friedrich-Alexander-Universität Erlangen-Nürnberg

Alle Nachrichten aus der Kategorie: Energie und Elektrotechnik >>>

Die aktuellsten Pressemeldungen zum Suchbegriff Innovation >>>

Die letzten 5 Focus-News des innovations-reports im Überblick:

Im Focus: Ultrakalte chemische Prozesse: Physikern gelingt beispiellose Vermessung auf Quantenniveau

Wissenschaftler um den Ulmer Physikprofessor Johannes Hecker Denschlag haben chemische Prozesse mit einer beispiellosen Auflösung auf Quantenniveau vermessen. Bei ihrer wissenschaftlichen Arbeit kombinierten die Forscher Theorie und Experiment und können so erstmals die Produktzustandsverteilung über alle Quantenzustände hinweg - unmittelbar nach der Molekülbildung - nachvollziehen. Die Forscher haben ihre Erkenntnisse in der renommierten Fachzeitschrift "Science" publiziert. Durch die Ergebnisse wird ein tieferes Verständnis zunehmend komplexer chemischer Reaktionen möglich, das zukünftig genutzt werden kann, um Reaktionsprozesse auf Quantenniveau zu steuern.

Einer deutsch-amerikanischen Forschergruppe ist es gelungen, chemische Prozesse mit einer nie dagewesenen Auflösung auf Quantenniveau zu vermessen. Dadurch...

Im Focus: Leoniden 2017: Sternschnuppen im Anflug?

Gemeinsame Pressemitteilung der Vereinigung der Sternfreunde und des Hauses der Astronomie in Heidelberg

Die Sternschnuppen der Leoniden sind in diesem Jahr gut zu beobachten, da kein Mondlicht stört. Experten sagen für die Nächte vom 16. auf den 17. und vom 17....

Im Focus: «Kosmische Schlange» lässt die Struktur von fernen Galaxien erkennen

Die Entstehung von Sternen in fernen Galaxien ist noch weitgehend unerforscht. Astronomen der Universität Genf konnten nun erstmals ein sechs Milliarden Lichtjahre entferntes Sternensystem genauer beobachten – und damit frühere Simulationen der Universität Zürich stützen. Ein spezieller Effekt ermöglicht mehrfach reflektierte Bilder, die sich wie eine Schlange durch den Kosmos ziehen.

Heute wissen Astronomen ziemlich genau, wie sich Sterne in der jüngsten kosmischen Vergangenheit gebildet haben. Aber gelten diese Gesetzmässigkeiten auch für...

Im Focus: A “cosmic snake” reveals the structure of remote galaxies

The formation of stars in distant galaxies is still largely unexplored. For the first time, astron-omers at the University of Geneva have now been able to closely observe a star system six billion light-years away. In doing so, they are confirming earlier simulations made by the University of Zurich. One special effect is made possible by the multiple reflections of images that run through the cosmos like a snake.

Today, astronomers have a pretty accurate idea of how stars were formed in the recent cosmic past. But do these laws also apply to older galaxies? For around a...

Im Focus: Pflanzenvielfalt von Wäldern aus der Luft abbilden

Produktivität und Stabilität von Waldökosystemen hängen stark von der funktionalen Vielfalt der Pflanzengemeinschaften ab. UZH-Forschenden gelang es, die Pflanzenvielfalt von Wäldern durch Fernerkundung mit Flugzeugen in verschiedenen Massstäben zu messen und zu kartieren – von einzelnen Bäumen bis hin zu ganzen Artengemeinschaften. Die neue Methode ebnet den Weg, um zukünftig die globale Pflanzendiversität aus der Luft und aus dem All zu überwachen.

Ökologische Studien zeigen, dass die Pflanzenvielfalt zentral ist für das Funktionieren von Ökosys-temen. Wälder mit einer höheren funktionalen Vielfalt –...

Alle Focus-News des Innovations-reports >>>

Anzeige

Anzeige

IHR
JOB & KARRIERE
SERVICE
im innovations-report
in Kooperation mit academics
Veranstaltungen

Technologievorsprung durch Textiltechnik

17.11.2017 | Veranstaltungen

Roboter für ein gesundes Altern: „European Robotics Week 2017“ an der Frankfurt UAS

17.11.2017 | Veranstaltungen

Börse für Zukunftstechnologien – Leichtbautag Stade bringt Unternehmen branchenübergreifend zusammen

17.11.2017 | Veranstaltungen

 
VideoLinks
B2B-VideoLinks
Weitere VideoLinks >>>
Aktuelle Beiträge

Technologievorsprung durch Textiltechnik

17.11.2017 | Veranstaltungsnachrichten

IHP präsentiert sich auf der productronica 2017

17.11.2017 | Messenachrichten

Roboter schafft den Salto rückwärts

17.11.2017 | Innovative Produkte