KI-basierte Optimierung der Windparks mit ÜZ Mainfranken
Windkraft ist kraftvoll, beständig und emissionsfrei – und damit eine der effizientesten erneuerbaren Energiequellen. Moderne Windparks liefern sauberen Strom für die Region Mainfranken, schonen die Umwelt und tragen zur Energiewende bei. Im Projekt von KI-Regio und der ÜZ Mainfranken wird untersucht, wie Künstliche Intelligenz den Betrieb von Windparks weiter optimieren kann.
Wind of change
Windenergie stellt eine zentrale Säule der gegenwärtigen und zukünftigen Energieversorgung dar. Als erneuerbare und emissionsarme Energiequelle leistet sie einen wesentlichen Beitrag zur Dekarbonisierung des Energiesystems und zur Reduktion von Treibhausgasemissionen. Aufgrund ihrer technologischen Reife, Skalierbarkeit und kontinuierlichen Effizienzsteigerungen gilt Windkraft als ein zukunftsträchtiger Bestandteil einer nachhaltigen Energieinfrastruktur.
Die kinetische Energie des Windes wird auf einen Generator übertragen, der elektrische Energie erzeugt. Die produzierte Strommenge hängt dabei sowohl von den jeweiligen Windverhältnissen als auch von der technischen Auslegung der Anlage ab. Vor diesem Hintergrund wird deutlich, dass die Windkraft eine Reihe struktureller und systemischer Vorteile aufweist.
Vorteile der Windkraft
Leistungsstark
Eine einzige Anlage kann bis zu 2.800 Haushalte versorgen
Klimaschutz
Senkung der CO₂-Emissionen durch saubere Stromerzeugung
Flächeneffizienz
Geringer Flächenverbrauch pro installierter Leistung
Wirtschaftlichkeit
Auch in Mittel- und Süddeutschland wirtschaftlich sinnvoll
Regionale Wertschöpfung
Beteiligung und Nutzen für ländliche Regionen
Trotz der aufgezeigten Vorteile ist die Leistungsfähigkeit von Windenergieanlagen nicht ausschließlich von ihrer technischen Auslegung abhängig. Insbesondere bei der räumlichen Anordnung mehrerer Anlagen innerhalb eines Windparks entstehen aerodynamische Wechselwirkungen, die die Energieausbeute beeinflussen können. Ein zentrales Phänomen in diesem Zusammenhang ist der sogenannte Wake-Effekt.
Wake-Effekte – Wenn Windturbinen sich gegenseitig den Wind nehmen
Windturbinen beeinflussen sich gegenseitig durch sogenannte „Wake-Effekte„. Wenn eine Turbine in Betrieb ist, erzeugt sie einen Windschatten, der die Windgeschwindigkeit für die nachgelagerten Turbinen verringert. Diese Kombination aus geringerer Windgeschwindigkeit und Turbulenzen beeinflusst nachfolgende Anlagen im Windpark und der Energieertrag sinkt.
Anschaulich lässt sich dieser Effekt mit dem Windschatten von Fahrzeugen vergleichen: Fahren zwei Autos hintereinander, hat das hintere weniger Luftwiderstand. Bei Windkraftanlagen ist dieser Effekt jedoch unerwünscht, da jede Anlage möglichst viel Windenergie aufnehmen soll, um Strom zu erzeugen.
Der Effekt ist besonders stark, wenn Turbinen dicht beieinander stehen oder große Leistungen erzeugen. Eine intelligente Planung und Steuerung der Anlagen ist daher entscheidend, um die Effizienz des Windparks zu maximieren und die Energieproduktion optimal zu nutzen.
„Flächen sind im wesentlichen für Windparks vorgegeben. […] Man muss also teilweise Wake-Effekte in Kauf nehmen. Das hat mich auf den Gedanken gebracht: Gibt es eine Möglichkeit, im Betrieb der Anlage selbst eine Optimierung durchzuführen, dass diese Wake-Effekte geringer werden?“
Dr. Benjamin Geßlein
ÜZ Mainfranken
Frischer Wind durch KI
Im Projekt wird untersucht, wie sich umfangreiche Betriebsdaten aus Windenergieanlagen mithilfe von Methoden der Künstlichen Intelligenz auswerten lassen. Ziel ist es, Zusammenhänge zwischen Windbedingungen und Energieproduktion besser zu verstehen und daraus optimierte Steuerungsentscheidungen für den Betrieb der Anlagen abzuleiten.
Grundlage
Das Forschungsteam nutzt umfangreiche Betriebsdaten der ÜZ Mainfranken aus den letzten zehn bis fünfzehn Jahren.
Ziel ist es, Muster zwischen Windbedingungen und Energieerzeugung zu erkennen.
Praxis
Es gibt verschiedene Stellschrauben zur Ausrichtung eines Windrades. Zum Beispiel kann die Gondel einer Anlage in den Wind gerichtet oder der Winkel ihrer Rotorblätter angepasst werden.
Optimierung
Mithilfe von Reinforcement-Learning-Methoden werden Zusammenhänge zwischen Winddaten und Energieproduktion gelernt, um daraus bessere Entscheidungen für den Betrieb der Anlagen abzuleiten.
Das passiert beim Reinforcement Learning
Reinforcement Learning ist ein Ansatz des maschinellen Lernens, bei dem ein System eigenständig durch Interaktion mit einer Umgebung lernt. Ein sogenannter Agent trifft dabei fortlaufend Entscheidungen und erhält für jede Handlung eine Rückmeldung in Form einer Bewertung. Positive Rückmeldungen verstärken bestimmtes Verhalten, während negative Rückmeldungen dazu führen, dass dieses Verhalten seltener gewählt wird. Auf diese Weise entwickelt das System schrittweise eine Strategie, die auf langfristig günstige Ergebnisse ausgerichtet ist.
„Bessere Antwort mit weniger Aufwand“
Der Mehrwert besteht darin, eine vereinfachte Lösung für Optimierungsmodelle zu ermöglichen. Bislang mussten entsprechende Berechnungen auf physikalischer Grundlage mit hohem Rechenaufwand durchgeführt werden. Wenn es gelingt, aus den verfügbaren Daten tragfähige Zusammenhänge abzuleiten und diese für die Modellierung zu nutzen, können die erforderlichen Berechnungen effizienter gestaltet werden. Dadurch wird es möglich, qualitativ hochwertige Ergebnisse mit geringerem Aufwand zu erzielen.
Wissenschaft trifft auf Praxis
Für die Forschung bedeutet die Zusammenarbeit einen direkten Einblick in reale Betriebsprozesse und Entscheidungsabläufe im Windparkbetrieb. Die Zusammenarbeit hilft zu überprüfen, ob entwickelte Modelle tatsächlich anwendbar sind und reale Probleme im Windparkbetrieb lösen können. Gleichzeitig wird sichtbar, wo Modelle angepasst werden müssen, um den realen Betrieb besser abzubilden.
Die langfristig gesammelten Betriebsdaten der ÜZ Mainfranken ermöglichen es, Zusammenhänge zwischen Windbedingungen, Anlagensteuerung und Energieproduktion genauer zu untersuchen und besser zu verstehen. Dadurch können Forschungsansätze stärker an reale Herausforderungen im Energiesektor ausgerichtet werden.
„Weniger Belastung, mehr Leistung“
Obwohl das Projekt noch nicht abgeschlossen ist und weitere Simulationen durchgeführt werden, konnten schon erste Erfolge erzielt werden.
Diese tragen bereits jetzt zur Optimierung des Windparks bei.
Eine KI-basierte Optimierung kann sich für Windparkbetreiber auf mehreren Ebenen auswirken. Wake-Effekte führen nicht nur zu geringerer Energieproduktion, sondern auch zu stärkeren Vibrationen und Belastungen der Anlagen. Eine optimierte Fahrweise kann daher sowohl die Effizienz erhöhen als auch Wartungsaufwand und Verschleiß reduzieren.
Langfristig ist geplant, die entwickelte Technologie auch auf weitere Windparks der ÜZ Mainfranken auszuweiten. Die ÜZ Mainfranken ist seit 1910 als regional verwurzelte Genossenschaft aktiv und versorgt als einer der größten Energieversorger der Region über 125.000 Menschen in 44 Kommunen in Mainfranken. Nachhaltigkeit und der Ausbau erneuerbarer Energien bilden dabei einen zentralen Bestandteil der Unternehmensstrategie. Sobald die technische Pipeline vollständig aufgebaut ist, können auch weitere Windparks mit vergleichbaren Datenstrukturen analysiert und optimiert werden. Die Einführung von KI wird dabei vor allem als Chance gesehen: Neue datenbasierte Prozesse entstehen und Mitarbeitende können aktiv in die Weiterentwicklung und Anwendung der Technologie eingebunden werden
Windkraft in unserer Region – ÜZ Mainfranken
Die Karte verdeutlicht das Versorgungsgebiet der ÜZ Mainfranken in der Region Mainfranken. Sie zeigt, in welchen Landkreisen die Energiegenossenschaft aktiv ist und wo perspektivisch weitere Windparks in die Analyse integriert werden könnten. Damit bietet das Projekt langfristig die Möglichkeit, KI-basierte Optimierungsansätze schrittweise auf weitere Anlagen innerhalb des regionalen Versorgungsgebiets zu übertragen.
Wenn unterschiedliche Perspektiven aufeinander treffen
Die erfolgreiche Zusammenarbeit der ÜZ Mainfranken und der Universität Würzburg zeigt, welche Vorteile mittelständische Unternehmen durch die Integration künstlicher Intelligenz erhalten können.
Weitere Informationen im Podcast:
Verschattungsverluste in Windparks kosten bares Geld – die Lösung liegt nicht in neuen Anlagen, sondern in der intelligenten Steuerung. Die ÜZ Mainfranken und Forscher der Universität Würzburg zeigen, wie ein KI-basierter digitaler Zwilling den Betrieb von Windparks effizienter macht.
Dr. Benjamin Geßlein
Teamleiter Energie- und Kommunalmanagement bei der ÜZ Mainfranken.
Robin Derzbach
Wissenschaftlicher Mitarbeiter am Lehrstuhl für Wirtschaftsinformatik und Business Analytics der Universität Würzburg.