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 24/41
-
17.06.2021GWEC: Global Wind Day markiert neue Ära für die Windenergie, da die Dringlichkeit in Richtung COP26 in Glasgow steigt
-
17.06.2021Lasst den Klimaschutz und die Erneuerbaren nicht in der Luft hängen
-
16.06.2021GE Renewable Energy gemeinsam mit neowa für mehr Recycling
-
09.06.2021Bremsen Bundesländer die Energiewende aus?
-
08.06.2021EAG jetzt! – Mailing Tool
-
28.05.2021Aktuelle Umweltbilanz von Windstrom
-
27.05.2021IEA: Der Weg zu Netto-Null-Emissionen bis 2050
-
21.05.2021EStR-Wartungserlass: Abschreibungsdauer für Windkraftanlagen
-
18.05.2021Global 2000: Klimaforschung und Umweltschutzorganisationen fordern wirksames Klimaschutzgesetz
-
18.05.2021Appell von 245 Unternehmen an die Bundesregierung
409 Artikel,
Set 24/41