nieuws

Slimme windturbines optimaliseren eigen instellingen

installatiebranche

Bij lage en gemiddelde windsterkte leveren windparken niet altijd de hoeveelheid stroom die in principe mogelijk is. Daarom leert Siemens windturbines zich automatisch aan te passen aan de geldende weersomstandigheden.

Slimme windturbines optimaliseren eigen instellingen

De slimme windturbines kunnen hun eigen instellingen zo optimaliseren, dat de actuele weersomstandigheden zo goed mogelijk worden benut.  De turbine gebruik hiervoor bestaande sensorgegevens, zoals windsterkte.

Meer stroom, minder slijtage

Met de nieuwe oplossing kan een turbine bij gemiddelde windsnelheden per jaar ongeveer één procent meer stroom opwekken. Ook wordt de slijtage gereduceerd. In een gemiddeld windmolenpark op zee met 100 turbines kunnen daardoor 5.000 extra huishoudens van stroom worden voorzien.

CeBIT

Specialisten voor zelflerende systemen bij Siemens Corporate Technology (CT) ontwikkelden de slimme software voor windturbines in samenwerking met de Technische Universiteit Berlijn en IdaLab GmbH.  De onderzoekers presenteren hun werk deze week op de CeBIT in Hannover.

Demonstratieturbine

Met behulp van een demonstratieturbine tonen de onderzoekers hoe een windturbine zijn eigen bedrijfsdata benut en stap voor stap de stroomproductie opvoert. Om dat te bereiken, worden reïnforcement leertechnieken gecombineerd met speciale neuronale netwerken. Een neuronaal netwerk is een software-algoritme dat op vergelijkbare wijze werkt als het menselijk brein.

Softwareprogramma’s

De softwareprogramma’s kunnen leren van gegevens uit het verleden. Op basis van die historische gegevens kunnen ze bijvoorbeeld ook prognoses afgeven voor het toekomstige gedrag van een systeem. Op die manier kan ook een model worden gemaakt, dat de stroomproductie van een windturbine bij bepaalde weersgegevens voorspelt.

De onderzoekers onderzochten een grote hoeveelheid data met veel ruis. Zo konden ze zaken identificeren waarmee de efficiëntie van een windturbine te verbeteren is door aanpassing van instellingen, zoals de rotatiesnelheid.

Optimale hoeveelheid stroom

Met behulp van neuronale netwerken ontstond een Reinforcement Learning Policy. Het systeem leert de instellingen van de windturbine zo aan te passen, dat in de geldende situatie altijd de optimale hoeveelheid stroom wordt opgewekt.

Uitzonderlijke weersituaties

Na enkele weken kent het systeem de optimale instellingen voor frequent optredende weersomstandigheden. Na een nog wat langere periode van training kan het systeem ook omgaan met meer uitzonderlijke weersituaties. Vorig jaar is de techniek in een Spaans windpark met succes getest. Verdere analyse van bedrijfsparameters zorgt ervoor dat het systeem zichzelf door middel van iteraties kan blijven verbeteren.

Lees ook: Siemens toont verbeterde D3-windturbines

Reageer op dit artikel

Gerelateerde tags

Lees voordat u gaat reageren de spelregels