Wo unterstützt künstliche Intelligenz in der Windenergie?

Windkraft spielt als erneuerbare Energiequelle eine zentrale Rolle beim Erreichen der Klimaziele. Damit ihr Potenzial ausgeschöpft werden kann, ist es wichtig, dass Windkraftanlagen möglichst effizient betrieben werden. Intelligente Steuerungssysteme, inzwischen vor allem solche auf Basis von Künstlicher Intelligenz (KI), helfen dabei. Am Zentrum für Sonnenenergie- und Wasserstoff-Forschung Baden-Württemberg (ZSW) wird seit Jahren geforscht und daran gearbeitet, dass sich die Anlagen selbständig an wechselnde Umwelt- und Betriebsbedingungen anpassen.

Mit einem Projekt namens WINSENT baut das ZSW die Anwendung von KI im Bereich der Windenergieforschung zunehmend aus. Dafür werden verschiedene Datenquellen einbezogen: Satelliteninformationen, Wettermodell-Prognosen, meteorologische Messwerte sowie historische und erwartete Energieerträge eines Standorts. Sie alle helfen bei den Prognosen. Neue Erkenntnisse aus dem maschinellen Lernen sollen auch die Prognosegenauigkeit für Einspeisungen weiter steigern. Zusätzlich soll die Integration von Speichersystemen – etwa Power-to-Gas oder Batteriespeicher – im zukünftigen Energiesystem verbessert werden.

Ein weiteres KI-basiertes Projekt des ZSW ist der sogenannte „Birdrecorder“: Mit Hilfe von KI werden Vögel im Umfeld von Windkraftanlagen artspezfiisch erkannt. Bei Annäherung eines Schwarms auf die Rotorblätter des Windrads kann die Anlage automatisch reagieren, beispielsweise durch Reduzierung der Drehzahl. Ein innovatives Projekt, das den Vogelschutz unterstützt.

 

Präzise Einspeiseprognosen für Windkraftanlagen

Um die erzeugte Energiemenge aus Windkraft möglichst vollständig ins Stromnetz einzuspeisen, sind zuverlässige Prognosen für die stark schwankenden Energieträger Sonne und Wind erforderlich. Auch für Laufwasserkraftwerke sind solche Vorhersagen für die Einspeisung und deren Vermarktung entscheidend.

Das ZSW entwickelt seit über einem Jahrzehnt Einspeiseprognosen für Wind-, Solar- und Wasserkraftanlagen – in enger Zusammenarbeit mit der Industrie, insbesondere Wetterdiensten, Stromvermarktern und Stadtwerken. Ein eigens entwickeltes, operationelles Prognosesystem kommt auch im Rahmen des Projekts GridSage für den Redispatch 2.0 zum Einsatz.

Auch zur Gestaltung der komplexen Zusammenhänge zwischen Wetterdaten, Messwerten, Satellitenbildern und aktuellen Einspeisedaten setzt das ZSW modernste KI-Verfahren ein. Die Systeme werden mit umfangreichen historischen Datensätzen trainiert und getestet, bevor sie im täglichen Betrieb verwendet werden – für Vorhersagen bis zu 180 Stunden im Voraus, in Sonderfällen sogar bis zu 384 Stunden.

 

Überwachung der Performance

Windenergieanlagen sollen aufgrund ihrer Komplexität mindestens 20 Jahre lang möglichst störungsfrei laufen. Da sie extremen Witterungsbedingungen ausgesetzt sind, die hohe Belastungen für Komponenten wie Rotor, Lager, Getriebe und Generator verursachen, ist es wichtig, wesentliche Teile kontinuierlich zu überwachen. Abweichungen vom Normalbetrieb sollten möglichst früh erkannt werden, um die Wahrscheinlichkeit kritischer Fehler, die zu einem Stillstand führen könnten, vorherzusagen. Moderne KI-Methoden eignen sich ideal für diese Aufgaben: Mit SCADA-Daten können sie in Echtzeit und online umgesetzt werden. Das ZSW entwickelt gemeinsam mit Herstellern und Zulieferern von Windkraftanlagen innovative KI-Lösungen und bringt sie in die Praxis.

 

Weitere KI-basierte Forschungsprojekte

Auch an der RWTH Aachen wird gemeinsam mit WEA-Entwickler W2E Wind to Energy aus Rostock an der Effizienz von Windenergieanlagen geforscht. Bei dem Projekt IntelliWind werden ebenfalls KI-Methoden wie maschinelles Lernen in die Steuerung von Windenergieanlagen integriert, um deren Regelung effizienter und dynamischer zu gestalten. Dadurch sollen Anlagen im Betrieb automatisch und in Echtzeit auf wechselnde Windbedingungen reagieren können. 

Bei diesem Projekt sollen Windkraftanlagen mit modellbasierter prädiktiver Regelung von sich aus die optimale Rotor- und Blattsteuerung finden. Durch die intelligente Steuerung sollen Erträge gesteigert, Materialbelastung gesenkt, Netzstabilität erhöht und letztlich auch Betriebskosten sowie Stillstandzeiten reduziert werden.

 

Bild: Wim van't Einde auf Unsplash 

Quellen: zsw-bw.de,

neueenergie.net, 13.06.2025