Windenergie: Mehr Ertrag mit IoT, Digitalen Zwillingen und KI
Windkraft ist in vielen Ländern weltweit eine tragende Säule für die nachhaltige Energieerzeugung, und die Steigerung der Erträge daher von großer Bedeutung. Im Forschungsprojekt WindIO haben CONTACT und Partner eine branchenspezifische IoT-Lösung entwickelt und erprobt, mit der sich die Effizienz von Windenergieanlagen deutlich optimieren lässt.
Auf einer Testinstanz der CONTACT Elements for IoT Plattform sind die Digitalen Zwillinge einer Krogmann- und einer Senvion-Anlage abgebildet. Diese Windenergieanlagen stehen dem Verbundprojekt WindIO unter Leitung der Universität Bremen für Forschungszwecke zur Verfügung.
Digitaler Zwilling als Schlüsseltechnologie
Digitale Zwillinge von Windenergieanlagen bieten ein Potenzial, das die Branche bei weitem noch nicht ausschöpft. Ein Digitaler Zwilling repräsentiert den Betriebszustand der Turbine, verwaltet Umgebungsdaten wie Windgeschwindigkeit und -richtung und unterstützt die Vorhersage von geeigneten Wartungsfenstern sowie den zu erwartenden Energieertrag.
Die Krogmann-Anlage verfügt über Sensoren in den Rotorblättern, eine Sensorbox und ein LiDAR-System. Dadurch lassen sich aktuelle Umgebungsparameter wie die Schwingung des Turms (durch Beschleunigungssensoren in der Sensorbox), Temperaturen und lokale Wetterdaten, wie die Windgeschwindigkeiten in unterschiedlichen Höhen, messen. Diese Daten werden über das Standardprotokoll MQTT an die IoT-Plattform übertragen, durch Algorithmen analysiert und in den Dashboards zur Betriebsführung der Anlage visualisiert.
Dashboards zur Betriebsführung
Die IoT-Plattform unterstützt die technische Betriebsführung der Windenergieanlagen durch spezielle Dashboards. Sie ermöglichen ein kontinuierliches Condition Monitoring, informieren über die Wetterbedingungen und vereinfachen die Planung und Durchführung der Instandhaltung.
Das Instandhaltungs-Dashboard bietet einen Kalender, der die anstehenden Arbeiten anzeigt und meldet. Dies gilt sowohl für geplante Wartungen als auch für spontan fällige Reparaturmaßnahmen, weil eine Fehlfunktion aufgetreten ist. Auf dem Dashboard sind vorkonfigurierte KPIs (Key Performance Indicators) verfügbar, um die Betriebsstunden, Ausfallzeiten und die Anzahl der Ereignisse zu erfassen. Zudem gibt es Übersichtstabellen zu den Serviceeinsätzen, deren Details wie beispielsweise verbaute Ersatzteile und benötigte Arbeitszeiten direkt über einen Link einsehbar sind. Auch die an der Windenergieanlage aufgetretenen Ereignisse, wie Fehlfunktionen oder ungeplante Ausfallzeiten sowie die Gründe dafür, werden in den Übersichtstabellen dokumentiert.
KI für das optimale Zeitfenster
Die Instandhaltung von Windenergieanlagen erfordert gute Wetterbedingungen. Die Daten aus der Sensorbox am Turm der Anlage ermöglichen es, das optimale Zeitfenster für die Wartung von Rotorblättern vorherzusagen [1]. Die WindIO-Partner haben in die IoT-Plattform ein Modell auf der Basis Maschinellen Lernens (ML) implementiert, das aus den Schwingungsdaten des Turmes und den lokalen Wetterdaten Kurzzeit-Vorhersagen für die Instandhaltung berechnet. Je nachdem, ob die Bedingungen für einen Service-Einsatz geeignet sind oder nicht, schaltet eine Ampel auf dem dazu gehörigen Dashboard auf grün oder rot.
Das Vorhersagemodell hat das Forschungsteam mit der SIMWORX Lösung von CONTACTs Tochterunternehmen CAIQ entwickelt, die im Rahmen des Projekts WindIO [2] in Elements for IoT integriert wurde. Das ML-Modell ist mit Python programmiert. Anlagenhersteller oder -betreiber können eine konfigurierbare Vorlage nutzen, um die Vorhersage für das optimale Wartungsfenster automatisiert zu berechnen.
Die für die Konfiguration notwendigen Elemente wie die Zeitreihendaten (timeseries) vom Digitalen Zwilling der jeweiligen Anlage (asset) werden einfach per Drag&Drop in die Vorlage platziert. Ist die Konfiguration beendet, startet die Automatisierung und das Template berechnet geeignete Zeitfenster. Auch das Auslösen neuer Ereignisse, wie das Schalten der Dashboard-Ampel, wird darüber automatisiert.
Vorhersage des Energieertrags
Gerade beim Einsatz erneuerbarer Energien ist es wichtig ihren Ertrag zu prognostizieren, damit die Stabilität des Stromnetzes gewährleistet werden kann. Deshalb beteiligt sich auch der Deutsche Wetterdienst an Forschungsprojekten, um die Modelle zur Wettervorhersage zu verbessern [3]. Das WindIO-Team nutzt globale Wetterdaten und lokale Wetterdaten, die am LiDAR der Krogmann-Anlage aufgezeichnet wurden, um die lokalen Windbedingungen am Standort der Anlage zu ermitteln. Dafür wird ein Vorhersagemodell eingesetzt, das auf Entscheidungsbäumen beruht und auf Basis eines Simulationszwillings [4] den zu erwartenden Energieertrag prognostiziert. Die Implementierung erfolgte wieder mit der Integration von SIMWORX in CONTACT Elements for IoT.
Quellen
[1] Sander, A, Haselsteiner, AF, Barat, K, Janssen, M, Oelker, S, Ohlendorf, J, & Thoben, K. "Relative Motion During Single Blade Installation: Measurements from the North Sea." Proceedings of the ASME 2020 39th International Conference on Ocean, Offshore and Arctic Engineering. Volume 9: Ocean Renewable Energy. August 3–7, 2020. V009T09A069. ASME. https://doi.org/10.1115/OMAE2020-18935
[2] https://www.brementestturbine.science/
[3] https://www.dwd.de/DE/forschung/wettervorhersage/wettervorhersage_node.html
