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 29/41
-
10.02.2021Kreislaufwirtschaft
-
10.02.2021Prominente Unternehmen setzen sich für Klimaschutz ein
-
10.02.2021Dänemark baut Energieinsel in der Nordsee um 28 Mrd. Euro
-
05.02.2021Greenpeace gewinnt französische Klimaklage: Historischer Sieg für den Klimaschutz
-
28.01.2021Willkommen Korea: Bachmann verstärkt die Präsenz in Asien
-
28.01.2021Windrad DIY-Buch
-
27.01.2021Biden beginnt Tag seines Amtsantritts mit Rückkehr der USA in die internationale Klimapolitik
-
26.01.2021Deutschland: Rekordrückgänge bei CO2-Emissionen und Kohleverstromung
-
14.01.2021APG: Energiewende kein Grund für Fast-Blackout
-
12.01.2021Klimavolksbegehren und ExpertInnen fordern von der Politik “Fahrplan zur Klimaneutralität”
409 Artikel,
Set 29/41