GeoSphere arbeitet an KI für Windkraftprognosen
Bei der GeoSphere Austria (ehemalige ZAMG) laufen aktuell mehrere Forschungsprojekte zum Einsatz künstlicher Intelligenz für Prognosen bei Windkraftanlagen. Die KI soll dabei unterstützen, Winddaten zu analysieren bzw. zu berechnen sowie auch den Einfluss des Klimawandels auf die Windproduktion abzuschätzen, um eine nachhaltige Standortplanung zu ermöglichen. Derzeit werden Winddaten der beteiligten Windparkbetreiber sowie von Wetterstationen gesammelt, geprüft und aufbereitet. Ende Mai werden die Projekte bei der Wind Energy Science Conference 2023 in Glasgow präsentiert.
Analyse von Windfeldern und Potenzialen
Das Projekt AI4Wind hat den Schwerpunkt, räumlich und zeitlich hochaufgelöste Windfeldern für die Vergangenheit sowie für mögliche Zukunftsszenarien zu berechnen und zudem die Auswirkungen des Klimawandels auf die Windstromproduktion zu ergründen.
Beteiligt am Projekt sind 4ward Energy Research GmbH (Leitung), GeoSphere Austria, Energie Steiermark Green Power GmbH, WEB Windenergie AG und Energie Burgenland Green Energy GmbH. Gefördert von der FFG.
Im Projekt Wind4Future werden räumlich und zeitlich hochaufgelösten Windpotenzialkarten für die Vergangenheit und Zukunft in verschiedenen Höhen erstellt. Daraus Empfehlungen für die Politik zur Installation künftiger Windparks abgeleitet werden.
Beteiligt am Projekt sind GeoSphere Austria (Leitung), 4ward Energy Research GmbH, Energie Burgenland Green Energy GmbH, Energie Steiermark Green Power GmbH, Windkraft Simonsfeld AG und WEB Windenergie AG. Gefördert vom Klima- und Energiefonds im Rahmen des Austrian Climate Research Programme (ACRP).
Beteiligt am Projekt sind 4ward Energy Research GmbH (Leitung), GeoSphere Austria, Energie Steiermark Green Power GmbH, WEB Windenergie AG und Energie Burgenland Green Energy GmbH. Gefördert von der FFG.
Im Projekt Wind4Future werden räumlich und zeitlich hochaufgelösten Windpotenzialkarten für die Vergangenheit und Zukunft in verschiedenen Höhen erstellt. Daraus Empfehlungen für die Politik zur Installation künftiger Windparks abgeleitet werden.
Beteiligt am Projekt sind GeoSphere Austria (Leitung), 4ward Energy Research GmbH, Energie Burgenland Green Energy GmbH, Energie Steiermark Green Power GmbH, Windkraft Simonsfeld AG und WEB Windenergie AG. Gefördert vom Klima- und Energiefonds im Rahmen des Austrian Climate Research Programme (ACRP).
Windbedingungen sind hoch komplex
Die vielen Berge und Täler in Österreich führen zu einer hohen Komplexität der Windbedingungen. Windrichtung und Stärke können innerhalb einer Region stark variieren. Für flächendeckende Windinformationen müssen bestehende Messungen aufwändig auf das umliegende Gelände umgerechnet werden. Um diese komplexen Zusammenhänge und sehr großen Datenmengen zu untersuchen, werden auch KI sowie Machine Learning eingesetzt.
„Vereinfacht gesagt lernen die Programme beim Einsatz von Künstlicher Intelligenz, aus Daten der Vergangenheit die Zusammenhänge zu erkennen und sie auf neue Situationen und Umgebungen umzulegen“, erklärt KI-Expertin Irene Schicker von GeoSphere Austria. „Im Falle von Wind geht es zum Beispiel darum, aus Messungen der Vergangenheit zu erkennen, in welchem Zusammenhang die Windrichtung und Windstärke an einem bestimmten Messpunkt mit dem Windfeld der Umgebung stehen.“
409 Artikel,
Set 7/41
-
14.11.2023atomstopp-Verein: Ende für umstrittenes SMR-Projekt
-
10.11.2023Innovation: Unwuchten bei Windenergieanlagen erkennen
-
23.10.2023Kunstschaffende zu Besuch im Klimaschutzministerium
-
16.10.2023Großes JA zur Windkraft in Gemeinde im Weinviertel
-
05.10.2023EEÖ: Themenverfehlung Finanzausgleich - Klimaschutz ist blinder Fleck
-
02.10.2023Spatenstich für Windparkerweiterung in Wilfersdorf
-
02.10.2023Neues Windrad sorgt für gute Stimmung und sauberen Strom für 2.500 Haushalte in Gemeinde Regelsbrunn
-
27.09.2023Finanzspritze für Fossile von österreichischen Banken
-
27.09.2023Bundesjugendvertretung: Klimaschutzgesetz seit 1.000 Tagen überfällig
-
23.09.2023Windpark Hohenruppersdorf III wurde eröffnet
409 Artikel,
Set 7/41