Steigerung von Qualität und Effizienz bei der Ertragsabschätzung für Windparks, Teilvorhaben: Entwicklung und Test von KI-basierten Methoden zur Verkürzung der Messdauer und Abschätzung der Designwindbedingungen

Description: Zur Erreichung der von der neuen Bundesregierung gesteckten Ausbauziele in der Windenergie ist die Erschließung einer Vielzahl neuer Flächen für Windparks in kurzer Zeit erforderlich. Grundlage für die Windparkplanung an einem neuen Standort ist die Abschätzung der zu erwartenden Energieerträge sowie die Auswahl geeigneter Windenergieanlagen. Derzeit ist die Ertragsabschätzung mit hohen Unsicherheiten behaftet. Zudem ist sie insbesondere aufgrund der aktuell erforderlichen, einjährigen Windmessung zeit- und kostenintensiv. Ziel des Projektes ist es deshalb, durch Verbesserungen entlang der gesamten Prozesskette qualitativ bessere Ertragsabschätzungen in kürzerer Zeit und zu deutlich geringeren Kosten zu ermöglichen. Für die Zielerreichung werden Verfahren entwickelt, die eine bessere Datengrundlage (z.B.Reanalysen, Rauhigkeitsdaten) für die Windbranche liefern. Darüber hinaus werden an verschiedenen Stellen innovative Verfahren aus dem Bereich der Data Science wie maschinelles Lernen oder Modellensembles verwendet, um eine genaue Abschätzung der Energieerträge in kürzerer Zeit zu ermöglichen. Das Zusammenführen der verschiedenen Verfahren und Daten zu einem Gesamtprozess ermöglicht neben der Qualitätssteigerung einen hohen Grad an Automatisierung von Ertragsgutachten. Letztendlich schafft das Projekt damit die Grundlage für eine Senkung der Projektrisiken für Planer und Projektierer. Darüber hinaus können die entwickelten Verfahren auch für genauere regionale Potenzialabschätzungen verwendet werden und so einen Beitrag zur besseren Planung des Windenergieausbaus leisten. Die Universität Kassel fokussiert sich im Rahmen ihrer Forschungsarbeiten auf die Entwicklung von Verfahren zur Langzeitkorrektur von Kurzzeitwindmessungen mittels Methoden von künstlicher Intelligenz und die verbesserte Abschätzung der Designwindbedingungen.

SupportProgram

Origins: /Bund/UBA/UFORDAT

Tags: Kassel ? Windenergie ? Windkraftanlage ? Windpark ? Windenergienutzung ? Automatisierung ? Daten ? Künstliche Intelligenz ? Standortwahl ? Energieertrag ?

Region: Hessen

Bounding boxes: 10.779° .. 10.779° x 52.01702° .. 52.01702°

License: cc-by-nc-nd/4.0

Language: Deutsch

Organisations

• Bundesministerium für Wirtschaft und Energie (Geldgeber*in)
• Deutsche Kreditbank (Mitwirkende)
• EnBW Energie Baden-Württemberg AG (Mitwirkende)
• Umweltbundesamt (Bereitsteller*in)
• Universität Kassel, Institut für Elektrische Energietechnik (Betreiber*in)

Time ranges: 2023-06-01 - 2026-05-31

Alternatives

• Language: Englisch/English
  Title: Subproject: Development and test of AI-based methods for the reduction of measurement time and estimation of design wind conditions
  Description: In order to achieve the expansion targets for wind energy set by the new German government, it is necessary to develop a large number of new areas for wind farms within a short period of time. The basis for wind farm planning at a new site is the estimation of the expected energy yields and the selection of suitable wind turbines. Currently, the yield estimation is subject to high uncertainties. In addition, it is time-consuming and cost-intensive, especially due to the currently required one-year wind measurements. Therefore, the aim of the project is to enable qualitatively better yield estimations in shorter time and at significantly lower costs by improvements along the entire process chain. To achieve this goal, procedures will be developed that provide a better data basis (e.g. reanalyses, roughness data) for the wind industry. In addition, innovative procedures from the field of Data Science, such as machine learning or model ensembles, will be used at various points to enable accurate estimation of energy yields in a shorter time. Combining the various methods and data into an overall process enables a high degree of automation of yield assessments in addition to increasing quality. Ultimately, the project thus creates the basis for a reduction in project risks for planners and project developers. Furthermore, the developed methods can also be used for more accurate regional potential assessments and thus contribute to better planning of wind energy expansion. The University of Kassel focuses its research on the development of procedures for the long-term correction of short-term wind measurements using artificial intelligence methods and the improved estimation of design wind conditions. https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1128115

Status

Aktiv

Quality score

• Overall: 0.47
• Findability: 0.56

  • Title: 0.17
  • Description: 0.20
  • 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.