WiSA big data

WiSA big data – Wind farm virtual Site Assistant for O&M decision support – advanced methods for big data analysis

Methoden und Entscheidungshilfen zur Optimierung von Betrieb und Instandhaltung von Windenergieanlagen auf der Basis von Big Data-Analysen

Zuwendungsgeber: BMWi, PTJ
Partner: Universität Oldenburg (Projektkoordinator), Universität Duisburg-Essen, OFFIS e.V. – Institut für Informatik, Ramboll GmbH, Ocean Breeze Energy GmbH & Co. KG, Deutsche Windtechnik X Service GmbH
Laufzeit: 12/2019-11/2022

 

  • In einem Windpark verursachen Instandhaltungs- und Betriebskosten einen Anteil von 25 bis 30 Prozent an den Stromgestehungskosten.
  • Eine auf hochaufgelösten Daten basierende Fehlerfrüherkennung kann zu Kostensenkungen und erhöhter Verfügbarkeit beitragen.
  • Das interdisziplinäre Verbundprojekt WiSA big data hat zum Ziel, einen Demonstrator für virtuelle Windpark-Assistenten zu entwickeln, der erfolgreiche Methoden zur Fehlerfrüherkennung und -diagnose für eine optimierte Instandhaltung und detaillierte Analyse von Betriebsereignissen umsetzen kann.
  • Das Fraunhofer IWES ist verantwortlich für die Entwicklung und Bewertung von Methoden zur Fehlerfrüherkennung und -diagnose sowie Entscheidungshilfen zur Optimierung von Betrieb und Instandhaltung.

Der Erfolg der Energiewende hängt nicht zuletzt von den Kosten ab, die die Stromerzeugung aus erneuerbaren Quellen verursacht. Angesichts sinkender Vergütungen für den erzeugten Strom steht insbesondere die Offshore-Windenergie unter Kostendruck.

Ein beträchtlicher Teil der Stromgestehungskosten von etwa 25 bis 30% entfällt auf die Betriebsführung und Instandhaltung. Insbesondere im Offshore-Bereich ist dieser Anteil noch höher. Ein Grund ist die stark wetter- und wellenabhängige Erreichbarkeit der Windparks, die Wartungen zusätzlich erschwert. Durch Optimierungen von Instandhaltung und Betrieb, insbesondere durch Fernüberwachungssysteme, ergibt sich somit ein großes Potenzial zur Kostensenkung.

Hier wiederum liegt der Schlüssel in der Verfügbarkeit und Auswertung der Betriebsdaten von Windenergieanlagen. Derzeit werden diese Daten teilweise unvollständig und lediglich in Form von 10-Minuten-Mittelwerten archiviert, sind aber oft in einer höheren zeitlichen Auflösung verfügbar und können relevante Informationen enthalten, für deren Erschließung noch beträchtlicher Forschungsbedarf besteht.

An diesen Punkten setzt das Forschungsprojekt „Wind farm virtual Site Assistant big data“ (WiSA big data) an. Bekannte Methoden und Erkenntnisse sowohl aus der Windenergiebranche als auch aus fachfremden Disziplinen werden für die Fehlerfrüherkennung erprobt sowie, falls nötig, verbessert und kombiniert, um somit zur Optimierung des Betriebes und Senkung der Kosten beizutragen.

Dabei wird ein interdisziplinäres Forscherteam aus Wissenschaft und Wirtschaft eine allgemeine Soft- und Hardware-Plattform als Kernsystem für einen virtuellen Windpark-Assistenten (WiSA) aufbauen. Für die industrielle Nutzung sollen die erfolgreichen Methoden dieses Systems in einem WiSA-Demonstrator umgesetzt werden, um so Fehlerfrüherkennung und Betriebsführungsoptimierung zur Anwendung im Feld zu bringen.

Das Fraunhofer IWES ist dabei für die Entwicklung, Anwendung und Bewertung von Methoden für die Fehlerfrüherkennung sowie für die Ableitung von Entscheidungshilfen zur Optimierung der Betriebsführung verantwortlich.