Kausales, probabilistisches und physikalisch informiertes maschinelles Lernen für die Diagnose und vorausschauende Wartung von Windkraftanlagen

01.09.2024 - 31.08.2027
Forschungsförderungsprojekt

Österreichs Ziel zum Ausbau der Windenergie bis 2030 erfordert eine jährlich neu installierte Windkraftkapazität von 500 MW. Der Betrieb und die Wartung von Windkraftanlagen fordert jedoch bis zu 32% des Gesamtwertes der gewonnen Energie, was nach radikalen neuen Ansätzen im Bereich Künstliche Intelligenz, digitale Zwillinge und vorausschauende Wartung verlangt. Im VENTUS-Projekt wenden wir aktuelle Forschung in den Bereichen physikinformierte KI und probabilistisch-kausale KI an, aus mehrfachen Gründen: Erstens ermöglichen diese Ansätze die Erweiterung von traditionellen lernbasierten Techniken um (physikalisches, kausales) Hintergrundwisen, was oft zu dramatisch höherer Dateneffizienz und Übertragbarkeit auf neue Szenarien führt, z. B. verschiedene Arten von Windkraftanlagen. Darüber hinaus zeigen diese Ansätze ein wesentlich höheres Maß an Erklärbarkeit als herkömmliche KI-Systeme. Basierend auf einer Analyse von Fehlerfällen und Leistungsverschlechterungen, die gemeinsam mit den relevanten Interessengruppen durchgeführt wird, werden wir ein erklärbares KI-System anstreben, das das Potenzial hat, Verluste aufgrund von Ausfallzeiten und Wartung um 50% zu reduzieren.


Personen

Projektleiter_in

Subprojektmanager_innen

Institut

Förderungmittel

  • FFG - Österr. Forschungsförderungs- gesellschaft mbH (National) Programm AI for Tech, AI for Green und AIM AT Bereich Thematisches Programm Österreichische Forschungsförderungsgesellschaft mbH (FFG)

Forschungsschwerpunkte

  • Climate Neutral, Renewable and Conventional Energy Supply Systems: 50%
  • Digital Transformation in Manufacturing: 50%

Externe Partner_innen

  • Technische Universität Graz
  • DiLT Analytics
  • TU Graz, Institut für Theoretische Physik - Computational Physics

Publikationen