Navigation

WiSAbigdata

Projekttitel

' Wind farm virtual Site Assistant for O&M decision support ' advanced methods for big data analysis; Teilvorhaben: Datenbasierte Methoden zur Fehlerfrüherkennung sowie Methodentransfer in WiSA-Demonstrator und Evaluation

Fördermittelgeber und -kennzeichen

BMWi (FKZ 03EE3016A)

Laufzeit

01.12.2019 - 30.11.2022

Projektpartner

  • Universität Oldenburg
    AG TWiSt (ForWind / Physic) Koordinator
    AG WESys (ForWind / Physik)
    AG KomplSyst (ForWind / ICBM)
    AG VLBA (Informatik)
  • Fraunhofer-Institut für Windenergiesysteme (IWES), Hannover
  • Universität Duisburg-Essen - Fakultät für Physik, Duisburg
  • OFFIS e.V., Oldenburg
  • Ramboll Deutschland GmbH, Hamburg
  • Ocean Breeze Energy GmbH & Co. KG, Bremen
  • Deutsche Windtechnik X-Service GmbH, Osnabrück

Projektziele

In modernen Windenergieanlagen (WEA) werden bereits große Mengen an Betriebsdaten in hoher
zeitlicher Auflösung erfasst, die durch Entwicklungen in der Messtechnik und der Digitalisierung zukünftig
noch weiter zunehmen werden. Diese Daten werden bisher nur sehr unvollständig und oft nur in Form von
10-Minuten-Mittelwerten archiviert und ausgewertet. Die Nutzung zeitlich hochaufgelöster Betriebsdaten ist
demgegenüber ein vielversprechender Ansatz. Hierbei besteht jedoch noch beträchtlicher
Forschungsbedarf, um das Potenzial der in diesen Daten enthaltenen Information zu identifizieren und zu
erschließen.
Ziel des Projektes „WiSA big data“ ist es, mittels der Analyse von zeitlich hochaufgelösten Betriebsdaten
zur Fehlerfrüherkennung und -diagnose an WEA beizutragen und damit Entscheidungen in der
Instandhaltungsplanung und -durchführung zu unterstützen.
Dazu werden einerseits Methoden, die sich auf Basis von 10-minütlich gemittelten Betriebsdaten bewährt
haben, zur Anwendung auf zeitlich hochaufgelöste Daten ausgearbeitet und erprobt. Andererseits werden
neuartige Methoden zur Fehlerfrüherkennung in die Windenergieanwendung überführt. Die erarbeiteten
und erprobten Methoden werden einer praxisorientierten quantitativen vergleichenden Bewertung
unterzogen.
Darauf aufbauend wird eine automatische Auswahl der geeignetsten Methoden für den jeweiligen
Anwendungsfall angestrebt. Für die gemeinsame Datenverwaltung, Analyse und Bewertung soll eine
allgemeine Soft- und Hardwareplattform als Kernsystem für WiSA aufgebaut werden. Leistungsfähige
Methoden sollen für die industrielle Nutzung in einen WiSA-Demonstrator umgesetzt werden, um eine
vorausschauende Instandhaltung und detaillierte Analyse von Betriebsereignissen zu ermöglichen. Durch
die Anbindung an das Kernsystem für WiSA soll ermöglicht werden, auch zukünftig weitere innovative
Methoden zur Fehlerfrüherkennung in den WiSA-Demonstrator zu integrieren und dadurch eine langfristige
Nutzbarkeit zu erlauben.

Spezifische Ziele & Beiträge WE-Sys

  • Erarbeitung und Erprobung der Methode Neuronale Netze zur Fehlerfrüherkennung
  • Erarbeitung und Erprobung der Zustandsidentifikation auf Basis von Support Vector Machines und Local Outlier Factor
  • Bewertung der Methoden

Kategorie

angewandte Forschung

Webmj70vyaster6z/i (marqiftin.q4c9kraq1ezft@dyhsuok6jmtl.debq) (Stand: 29.01.2020)