Der intelligente Windpark

Für die optimale Leistung von Energieverbundsystemen wie Windparks muss jeder Schritt im Steuerungsprozess stimmen. Die Schrittfolge können die Anlagen selbst lernen, sagen Forschende des Projekts ALICE. Der Choreograf dafür: Künstliche Intelligenz.

In Offshore Windparks könnte Künstliche Intelligenz helfen, Prozesse, Leistungen und Lasten zu optimieren. ©Shutter81 - stock.adobe.com

Ob Sonne, Wasser oder Wind: Erneuerbare Energien sind die Grundlage dafür, dass wir unsere Klimaziele erreichen. Doch sie haben mitunter einen Nachteil: Die Launen der Natur. Daher ist es für ihre Effizienz entscheidend, dass sich Energieverbundsysteme wie Windparks flexibel an ihre Umwelt anpassen können. Künstliche Intelligenz könnte dazu einen entscheidenden Beitrag leisten: Im Projekt ALICE, das vom Bundesforschungsministerium gefördert wird, erforschen Wissenschaftlerinnen und Wissenschaftler daher, wie beispielsweise Wind- oder Gasturbinen aus ihren eigene Betriebsdaten „klüger“ werden können. Das Ziel: Anlagen wie Offshore-Windparks oder Gaskraftwerke sollen sich künftig selbstständig mithilfe von KI optimal an wechselnde Umwelt- und Lastbedingungen anpassen können.

Digitalisierung und Nachhaltigkeit

Was die Wissenschaftlerinnen und Wissenschaftler im Projekt ALICE erforschen, wird das Bundesforschungsministerium in Zukunft noch verstärken: Digitale Technologien und Nachhaltigkeit müssen konsequent zusammengeführt werden – um das Klima, unsere Umwelt und alle Lebewesen zu schützen. Das BMBF stellt hierfür mit dem im Dezember 2019 vorgestellten Aktionsplan „Natürlich.Digital.Nachhaltig“ die Weichen.

Der Schlüssel zum Erfolg des ALICE-Projekts könnten die Betriebsdaten der Anlagen sein: Schwingungen, Vibrationen, Windgeschwindigkeiten, Temperaturen, Ausrichtungswinkel der Rotoren. All diese Informationen werden zum Beispiel in Windparks mehrmals pro Minute von Sensoren an den Windrädern erfasst. „Mehr als 100 verschiedene Parameter kommen so zusammen. Allerdings dienen die Daten bislang vorrangig zur Überwachung von Störungen“, erklärt ALICE-Forscher Andreas Ziehe von der TU Berlin. Der Experte für maschinelles Lernen arbeitet daher an Verfahren, diese Daten besser interpretierbar zu machen.

KI ist der Choreograf für das "Windrad-Team"

Vereinfacht gesagt heißt das: Ziehe und seine Kollegen entwickeln Algorithmen, die dem gesamten „Windrad-Team“ aus all ihren Daten verraten können, mit welcher „Choreografie“ sie die bestmögliche Leistung erbringen können. Denn ein Problem in Windparks ist, dass sich die Windräder gegenseitig beeinflussen. So können etwa Luftwirbel von vorstehenden Turbinen die Leistung der nachstehenden „Kollegen“ verringern. Im selbstlernenden Windpark soll das anders sein, wie Andreas Ziehe erklärt: „Hier soll jedes Windrad wissen, wie es seine Rotoren für die beste Leistung  ausrichten muss.“

Neben den konkreten Anwendungsfällen geht es den ALICE-Forschenden auch um ein generelles Dilemma beim Einsatz der Künstlichen Intelligenz: Die KI soll die komplexen industriellen Aufgabe nicht nur bestmöglich lösen. Ihr Handeln soll auch stets nachvollziehbar sein. „Wir wollen keine Black-Box-Lösungen, bei denen niemand weiß, wie sie entstanden sind“, erklärt Projektleiter Volkmar Sterzing von der Siemens AG, die das Projekt koordiniert.

Lösungswege müssen transparent sein

Die Forschenden verankern die Methode des maschinellen Lernens daher auch mit klassischen Simulationen, in denen sie das Verhalten der KI testen können. Zudem arbeiten sie in den Entscheidungsweg der KI feste Regeln ein. „So soll es dem Mensch stets möglich sein, von der Lösung wieder Schritt für Schritt zum Ausgangsproblem zu gelangen“, sagt Sterzing. „Rücktransformation“ nennen das Experten. „Durch Transparenz wollen wir die Akzeptanz und Bedeutung datengetriebener Lernalgorithmen in Unternehmen steigern“, so Sterzing. Denn klar ist: Die Gesellschaft muss Künstliche Intelligenz erst akzeptieren, bevor wir von ihrem Potenzial profitieren können. Und das ist im Energiesektor enorm: Hier kann KI Prozesse, Leistungen und Lasten optimieren, dadurch den Verschleiß von Materialien verringern – und so die Umwelt schonen.

ALICE

Im Forschungsprojekt ALICE-III sollen Ansätze erforscht und Methoden entwickelt werden, die die Rückführung von Information aus dem abstrakten Lösungsraum der Maschinenlernmodelle in eine interpretierbare, physikalisch-technische Darstellung ermöglichen. Die praktische Erprobung gestaltet sich jedoch oftmals schwierig, weil entsprechende Daten und Anwendungsszenarios aus dem industriellen und technischen Umfeld für Forscher nicht offen zugänglich sind. Die Verbindung von TU Berlin als Forschungseinrichtung, Idalab GmbH und Siemens als Industriepartner ermöglicht bei den Anwendungsszenarien Gas- und Dampfturbinen (GuD-) Kraftwerke sowie Offshore Windparks eine Verfügbarkeit von Daten aus komplexen physikalisch-technischen Systemen, gepaart mit Experten- und Domänenwissen.