Lerende windturbine verbetert eigen opbrengst
Siemens gebruikt een neuraal netwerk om zijn windturbines beter in te leren spelen op de weersomstandigheden. Daardoor neemt de slijtage af en is de opbrengst op jaarbasis met een procent te verhogen, onthulde het Duitse bedrijf op de Cebit-beurs in Hannover. De aanpak is vorig jaar met succes getest in een Spaans windpark.
Het systeem werd samen met de Technische Universiteit Berlijn en het Duitse Idalab ontwikkeld. Door parameters zoals de rotatiesnelheid aan te passen, kunnen de turbines een hogere efficiëntie leveren, maar weergegevens zijn grillig en daardoor lastig om mee te werken. Vooral bij lage en gemiddelde windsterkte leveren windparken niet altijd de hoeveelheid stroom die in principe mogelijk is. Met de neurale technieken kunnen de molens toch patronen herkennen en betere prognoses afgeven voor het toekomstige gedrag van het systeem bij specifieke weersomstandigheden.
De software gebruikt gegevens van bestaande sensoren, zoals de windsnelheid. Per windmolen is er een trainingsperiode van enkele weken nodig om de veel voorkomende omstandigheden te leren herkennen, maar naarmate de molen langer werkt worden ook zeldzamere condities gevonden.
Siemens Corporate Technology werkt al langer met neuronale netwerken om het gedrag van hoogcomplexe systemen zoals gasturbines en fabrieken te modelleren en te voorspellen. Het bedrijf denkt de windmolenaanpak ook in te kunnen zetten voor andere terreinen.
