Predictive Modelling und seine Anwendungsmöglichkeiten in der Windenergie

Könnten wir mit predictive Modelling mehr Strom aus erneuerbaren Energiesystemen gewinnen und so die Energiewende vorantreiben?

Die Ära der Kernenergie in Deutschland ist beendet. Die Kohlekraftwerke sollen bis 2038 stillgelegt werden (vgl. Ortrun Sadik, greenpeace.de, 26.01.2019). Und die Ziele der Energiewende bestehen weiterhin. Forciert werden sollen bei der Transformation in Richtung erneuerbarer Energien vor allem Windkraft, Wasserkraft und Photovoltaik sowie Energieeffizienz und Demand-Side-Management (DSM).

Inhaltsverzeichnis

• Erneuerbare Energien
• Windkraft
• Effizienz-Probleme
• Effizienzsteigerung
• Predictive Modelling
• Software

Der Stand erneuerbarer Energien

Im Jahr 2018 hatten erneuerbare Energien einen Anteil von rund 40 Prozent am erzeugten Strom; Windenergie allein lag bei 17 Prozent (vgl. www.mpg.de, 06.02.2019). Der Anteil erneuerbarer Energien ist in den vergangenen Jahren leicht gestiegen.

Kohle nach wie vor wichtigste Energiequelle

Um jedoch die Klimaziele zu erreichen, ist noch einiges an Arbeit nötig. Nach wie vor stammt rund ein Drittel der hierzulande generierten Energie aus Kohlekraft. Kohle ist somit nach wie vor die wichtigste Energiequelle für die Deutschen (vgl. destatis.de, 24.05.2023).

Ein Blick auf die Windkraft

In Zusammenhang mit Windkraftanlagen hält sich auch das Vorurteil, sie seien nicht besonders effizient, wobei Windturbinen in Deutschland einer Untersuchung der Max-Planck-Gesellschaft gut 73 Prozent der theoretisch möglichen Energie liefern (vgl. www.mpg.de, 06.02.2019).

Windkraft boomt

Auf globaler Ebene sei der Windenergiemarkt einer der wettbewerbsfähigsten und widerstandsfähigsten, wie der Global Wind Energy Council berichtete. Darüber hinaus sorgten ein Anstieg an Neuinstallationen, insbesondere in China und den Vereinigten Staaten, zuletzt für ein Rekord-Wachstum. Auch werden Windräder selbst immer größer.

In den Vereinigten Staaten solle die durchschnittliche Nabenhöhe von Offshore-Anlagen beispielsweise von 100 auf 150 Meter ansteigen. Auch hierzulande ist die durchschnittliche Nabenhöhe in der vergangenen Jahren und Jahrzehnten deutlich gewachsen; und mit der Größe der Windkräder auch ihre Leistung.

Schnelleres Wachstum notwendig

Dennoch müsse die Windenergie im kommenden Jahrzehnt dreimal so schnell wachsen, um die Konsequenzen des Klimawandels abzuschwächen und Klimaziele zu erreichen (vgl. news.mit.edu, 24.03.2023).

Effizienz-Probleme durch unerwarteten Luftströmungseffekt

Große Windturbinen werden zumeist so gesteuert, dass sich jede einzelne von ihnen automatisch in die Windrichtung dreht, sodass ihre potenzielle Leistung maximiert werden kann. Dies war auch in einem Windpark in Indien der Fall, dessen Daten sich MIT-Assistenzprofessor Michael Howland eines Tages genauer ansah.

Leistung nicht wie erwartet

Wenngleich die einzelnen Turbinen angemessen auf die Windrichtung reagierten, stimmte ihre Leistung nicht mit der auf Grundlage der Rahmendigungen erwarteten Leistung überein (vgl. news.mit.edu, 24.03.2023).

Bei näherer Betrachtung entdeckten Howland und sein Team "bemerkenswerte Windbedingungen", welche auf die Auswirkungen der Erdrotation und sie Physik des Auftriebs zurückzuführen seien (vgl. news.mit.edu, 24.03.2023).

Traditionellerweise würden Windkraftanlagen in der Oberflächenschicht; den untersten 10% der atmosphärischen Grenzschicht; betrieben. Hier würden die Windkraftanlagen überwiegend von Bodenverhältnisse beeinflusst, wie der MIT-Artikel berichtet (vgl. news.mit.edu, 24.03.2023).

Wechselwirkungen zwischen Wind und Turbine

Im Fall des nordindischen Windparks erkannte Howland jedoch, dass die Turbinen in einer anderen Schicht der Atmosphäre betrieben werden, in welcher wiederum andere Einflüsse zum Tragen kommen.

Wirbelschleppen werden erzeugt

Konkret sei es dazu gekommen, dass Windturbinen in den ersten Reihen durch Wechselwirkungen mit den starken Winden sogenannte Wirbelschleppen erzeugten; gegenläufig-drehende Windbewegungen, wie sie beispielsweise auch hinter Flugzeugen zu finden sind (vgl. news.mit.edu, 24.03.2023).

Effizienzsteigerung

Um dieses Problem zu adressieren kamen Howland und sein Team darauf, die gegen den Wind gerichteten Turbinen absichtlich in eine "Fehlausrichtung" zu bringen, was auch die Leistung der individuellen Turbinen reduziert.

Dadurch jedoch käme es zu weniger Wirbelschleppen, welche Einfluss auf die anderen Turbinen nehmen. Auf diese Weise könne die Gesamtenergieleistung des Windparks um 1 bis 3% erhöht werden, wie das MIT berichtet (vgl. news.mit.edu, 24.03.2023).

Hochrechnung

Diese vermeintlich geringfügige Effizienzsteigerung mag zunächst nicht sehr vielversprechend klingen. Würde jedoch eine Energiesteigerung von 1,2% auf alle weltweit betriebenen Windparks angewendet, so das MIT, wäre dies mit der Leistung von 3.600 zusätzlichen Turbinen gleichzusetzen. Dies sei ausreichend für die Stromproduktion für 3 Millionen Haushalte (vgl. news.mit.edu, 24.03.2023).

Zahlreiche Vorteile und Anwendungsmöglichkeiten

Gleichzeitig könnten die Optimierungspotenziale, die das Modell aufzeigt, bedeuten, dass mehr Anlagen auf derselben Fläche platziert werden können, da die Wechselwirkungen untereinander minimiert werden.

Das Potenzial von predictive Modelling

Howland postuliert, dass wir im Zuge der immer größer werdenden Anlagen deren Design und Kontrollmaßnahmen überdenken müssten. Mithilfe von predictive Modelling ließe sich sicherstellen, dass die Anlagen so effizient wie möglich betrieben werden können (vgl. news.mit.edu, 24.03.2023).

Was ist predictive Modelling?

Predictive Modelling beschreibt einen mathematischen Prozess zur Vorhersage zukünftiger Events. Dies ist durch die Analyse bestimmter Input-Daten möglich. Das predictive Modelling ist wesentlicher Bestandteil von predictive Analytics. Hierbei handelt es sich um eine Art der Datenanalyse, bei der aktuelle und historische Daten genutzt werden, um zukünftige Trends oder Verhaltensweisen vorherzusagen.

Anwendungsbereiche in Unternehmen

Predictive Modelling bzw. predictive Analytics haben zahlreiche Wendungsmöglichkeiten im unternehmerischen Kontext. Ein predicatble revenue model ermöglicht es beispielsweise, künftige Sales auf Grundlage historischen Daten vorherzusagen. Grundsätzlich haben diese Vorhersagemodellierungen zahlreiche, mögliche Anwendungsmöglichkeiten im Bereich Business Intelligence (Geschäftsanalytik).

Fazit und Rolle geeigneter Software für Versorgungsunternehmen

Es wird deutlich, wie wichtig die datengestützte Optimierung bestehender Systeme ist. Energieversorgern stehen im Zeitalter der digitalen Transformation zahlreiche Möglichkeiten zur Verfügung, ihre Prozesse effizienter und zukunftsfähiger zu gestalten.

Neben dem wissenschaftlichen und technologischen Fortschritt, welcher neue Erkenntnisse ermöglicht und Effizienzsteigerungen vorantreibt, spielt auch die Wahl einer passenden, branchenspezifischen Software für Versorgungsunternehmen eine wichtige Rolle. Diese ermöglicht es Betrieben der Branche, ihre Prozesse zentral zu verwalten und zu optimieren.