top of page

VSB nutzt Big-Data-Analytics für vorausschauendes Betriebsmanagement mit Turbit Systems

Aktualisiert: 23. Jan. 2022

In der technischen Betriebsführung fallen seit vielen Jahren große Datenmengen an. Die Analyse der Daten und die Gewinnung von Erkenntnissen daraus bietet ein enormes Optimierungspotenzial.


"Wir als technische Betriebsleiter nutzen - über das übliche Monitoring und Reporting hinaus - maschinelle Lerntechniken zur Analyse von Betriebsdaten" ~ Gerrit Schmidt, MD, VSB Services

Maschinelles Lernen kann Trends oder Anomalien aus den komplexen Systemen von Windkraftanlagen vorhersagen, die einem hohen Maß an Interdependenzen unterliegen. Die mit Turbit Systems implementierten Analyse- und Prognosefunktionen ermöglichen VSB den Übergang von der traditionellen reaktiven Betriebsführung zur proaktiven Steuerung von Windparks.


"Unsere Algorithmen lernen das Leistungsverhalten jeder Anlage. Dadurch können Leistungsschwächen unabhängig vom Hersteller und pro Standort erkannt werden. Mit Daten aus über 6000 Turbinenjahren sind wir in der Lage, erkannte Leistungsabweichungen zu analysieren und zu klassifizieren" Michael Tegtmeier, Co-CEO & Founder Turbit Systems

Turbit Systems verwendet maschinelle Lernalgorithmen, um das Leistungsverhalten der Windparks zu untersuchen. Die folgenden relevanten Fragen wurden während der Pilotphase hervorgehoben: Wie wirken sich z. B. vom Turbinenhersteller durchgeführte Leistungsverbesserungen aus? Werden tatsächlich Mehrerträge erzielt? Oder gibt es Leistungsminderungen oder Abschaltungen, die von der eingesetzten Überwachungssoftware übersehen werden?


Big Data und Machine Learning ermöglichen es VSB, die Anlagenleistung besser als je zuvor zu verstehen und zu steuern - bei gleichzeitiger Optimierung der Betriebsführungsprozesse. Diese Technologien sind wesentliche Bestandteile einer modernen technischen Betriebsführung. Denn so werden Annahmen zu greifbarem Wissen und es werden vorausschauend die richtigen und wirtschaftlich optimalen Entscheidungen getroffen.



Comments


bottom of page