Verbundvorhaben: AutoDiagCM - Automatisierte Diagnose von Schäden an Windenergieanlagen; Teilvorhaben: Automatisierte Diagnose von Schäden an Windenergieanlagen zur Reduzierung des Überwachungsaufwandes und Steigerung der Überwachungsgüte
Zeitraum
2022-10-01 – 2025-09-30
Bewilligte Summe
1.082.743,53 EUR
Ausführende Stelle
Förderkennzeichen
03EE2046A
Leistungsplansystematik
Logistik, Anlageninstallation, Instandhaltung und Betriebsführung [EB1250]
Verbundvorhaben
Zuwendungsgeber
Bundesministerium für Wirtschaft und Klimaschutz (BMWK.IIB5)
Projektträger
Forschungszentrum Jülich GmbH (PT-J.ESE2)
Förderprogramm
Energie
Das Projekt Condition Monitoring 4.0 adressiert die Herausforderungen rund um die zunehmende Informationsvielfalt und -menge und dadurch wachsende Komplexität, sowie überproportional hohem manuellen Aufwand und somit aktuell sehr hohen Kosten im Condition Monitoring. Mit dem neuen Ansatz aus dem Bereich des Maschinellen Lernen wird eine genaue Erkennung und automatisierte Diagnose von Schäden ermöglicht, indem ein Metamodell die Ergebnisse vieler einzelner Modelle (Ensemble Learning) nutzt und Schäden klassifiziert. Im Vergleich zu vorhandenen Lösungsansätzen, wird sowohl die gesamte Anlage als auch die einzelnen Komponenten betrachtet und somit eine hohe Überwachungsbreite und - tiefe gewährleistet. Sogenanntes Active Learning und halbüberwachte Verfahren (aus dem Teilbereich Weak Supervision/Semi-Supervised Learning) nutzen zusätzlich die Muster aus noch nicht klassifizierten Schäden und punktuell das wertvolle Wissen der Fachexperten, um unbekannte Schadmuster zu klassifizieren. Dadurch wird das Condition Monitoring System kontinuierlich verbessert. Hierdurch entstehen folgende Mehrwerte: Die automatische und genaue Diagnose von Schäden, die Reduktion von Komplexität und Aufwand für den Experten, die Nutzung unbekannter Datenmuster und das Expertenwissen sowie eine hohe Überwachungsbreite und -tiefe. Dies ermöglicht eine echte Skalierung auf viele Anlagen. Stillstandzeiten und Kosten können somit deutlich reduziert werden. Darüber hinaus wird im Laufe des Projektes ein großer Referenzdatensatz veröffentlicht. Dies wird weitere Forschungen und Entwicklungen auf diesem Gebiet ermöglichen und somit insgesamt zu besseren Condition Monitoring Systemen führen und einen wertvollen Beitrag zur Energiewende leisten.