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.
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.
Ein Beitrag von: