SOWINDIC Smart Operation of Wind Turbines under Icing Conditions

Im Zuge des Projektes werden heterogene Echtzeit-Datenströme, d.h. Betriebsdaten, Wetterdaten und Marktdaten, aufbereitet, sowie über eine Datenplattform zur weiteren Verarbeitung zur Verfügung gestellt.
Mit Hilfe der aufbereiteten Echtzeitdaten werden neue Machine Learning Algorithmen zur Vorhersage der Produktionsausfälle einer WEA entwickelt, mit physikalisch motivierten, erfahrungsbasierten Modellen verglichen und im Rahmen einer Hybridmodellierung die Betriebsführung unter Vereisungsbedingungen optimiert. Abhängig von den Ergebnissen der Hybridmodellierung wird eine vorhandene Rotorblattheizung präventiv betrieben, wodurch die witterungsbedingten Produktionsausfälle der Windenergieanlagen minimiert werden.

Ausgangssituation

Im Bereich der Windenergie und der Vereisung wurden in den letzten Jahren zwar große technologische Fortschritte gemacht, so dass heute verschiedene robuste und zuverlässige Systeme zur rotorblattbasierten Eiserkennung auf dem Markt erhältlich sind und
Rotorblattenteisungssysteme von fast allen Windturbinen-Herstellern angeboten werden. Neue Technologien und Methoden, die erst durch die Digitalisierung ermöglicht werden, haben in diesem Bereich aber noch nicht Einzug gehalten: Die heutige Betriebsführung von Windenergieanlagen unter Vereisungsbedingungen ist rein reaktiv, im besten Fall proaktiv, aber noch nicht präventiv. Hierbei liegt der Fokus liegt auf der Minimierung von Produktionsverlusten und unerwarteten Anlagenstillständen.