Windenergieanlagen mit optimierter Produktivität durch Flottenmonitoring ohne zusätzliche Sensorik

Description: Im Projekt WEA-produktiv sollen Methoden des Flottenmonitorings entwickelt werden, mit deren Hilfe suboptimal laufende Anlage identifiziert werden können. Während sich die Uni Siegen auf die statistische Auswertung großer Datenmengen und die Suche nach Korrelationen mit bestimmten Betriebszuständen einer WEA konzentriert, liegt der Schwerpunkt der Arbeiten von Wölfel bei einem hochpräzisen, an eine messtechnisch überwachte WEA gekoppelten Simulationsmodell, dem Digital Twin. Mit dieser Kombination aus 'Big Data' (Uni Siegen) und digitalem Zwilling (Wölfel) können Abweichungen von optimalen Anlagenkonfigurationen frühzeitig erkannt und Lösungen erarbeitet werden.

SupportProgram

Origins: /Bund/UBA/UFORDAT

Tags: Windkraftanlage ? Big Data ? Simulationsmodell ? Statistische Analyse ? Sensorische Bestimmung ? Digitaler Zwilling ? Produktivität ?

Region: Bayern

Bounding boxes: 12.53381° .. 12.53381° x 47.795° .. 47.795°

License: cc-by-nc-nd/4.0

Language: Deutsch

Organisations

• Umweltbundesamt (Bereitsteller*in)
• Universität Siegen, Department Maschinenbau, Lehrstuhl für Mechanik mit Schwerpunkt Schädigungsüberwachung (Mitwirkende)
• Wölfel Engineering GmbH + Co. KG (Betreiber*in)

Time ranges: 2022-11-01 - 2025-04-30

Alternatives

• Language: Englisch/English
  Title: Wind turbines with optimized productivity by fleet monitoring without additional sensors
  Description: In the WEA-produktiv project, methods of fleet monitoring are to be developed, with the help of which suboptimally running turbines can be identified. While the University of Siegen is concentrating on the statistical evaluation of large amounts of data and the search for correlations with certain operating states of a wind turbine, the focus of Wölfel's work is on a high-precision simulation model, the digital twin, coupled to a wind turbine monitored by measurement technology. With this combination of 'Big Data' (University of Siegen) and digital twin (Wölfel), deviations from optimal plant configurations can be detected at an early stage and solutions can be developed. https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1120324

Status

Aktiv

Quality score

• Overall: 0.46
• Findability: 0.52

  • Title: 0.00
  • Description: 0.13
  • Identifier: false
  • Keywords: 1.00
  • Spatial: RegionIdentified (1.00)
  • Temporal: true
• Accessibility: 0.67

  • Landing page: Specific (1.00)
  • Direct access: false
  • Publicly accessible: true
• Interoperability: 0.00

  • Open file format: false
  • Media type: false
  • Machine-readable metadata: false
  • Machine-readable data: false
• Reusability: 0.67

  • License: ClearlySpecifiedAndFree (1.00)
  • Contact info: false
  • Publisher info: true

Accessed 1 times.