AI: kansen voor de windindustrie

Kunstmatige intelligentie (AI) heeft een aanzienlijke invloed op de markt voor hernieuwbare energie, hoofdzakelijk om nauwkeurige voorspellingen te doen en voor het orkestreren van de verschillende onderdelen van het energiesysteem. Een overzicht van de ontwikkelingen. En een oproep. NedZero gaat de komende tijd kennisdelen over de mogelijkheden van de inzet van AI binnen de windindustrie. Om inzicht te krijgen in de ervaringen en specifieke behoeften van onze leden, ontvangen we graag informatie.

AI, versus machine learning en deep learning

Kunstmatige intelligentie (AI) verwijst naar de simulatie van menselijke intelligentie in machines die in staat zijn om taken uit te voeren die normaal gesproken menselijke intelligentie vereisen. Dit omvat vaardigheden zoals spraakherkenning, beeldherkenning, natuurlijke taalverwerking en probleemoplossing. Een AI-systeem is als digitale hersenen, ontworpen om te leren van ervaringen en zichzelf te verbeteren.

Machine learning is een deelverzameling van AI die zich richt op het vermogen van computersystemen om te leren en te verbeteren zonder expliciet geprogrammeerd te worden. Met andere woorden, bij Machine Learning geven we computersystemen data en laten we ze zelf patronen ontdekken en voorspellingen doen op basis van die gegevens.

Deep learning is weer een deelverzameling van Machine Learning en gaat nog een stap verder. Het maakt gebruik van kunstmatige neurale netwerken, geïnspireerd door de werking van onze hersenen. Deze neurale netwerken bestaan uit meerdere lagen van neuronen die informatie verwerken. Deep Learning is in staat om complexe structuren in grote hoeveelheden ongestructureerde data te ontdekken en hieruit te leren, denk aan spraak- en beeldherkenning op een geavanceerd niveau.

De markt

De inzet van AI vertegenwoordigt volgens Reuters alleen al in de energiesector een waarde van 13 miljard dollar en draagt bij aan efficiënter gebruik van windenergie, beter onderhoud en verhoogde voorspelbaarheid.

Uit een datagedreven wereldwijd onderzoek van vorig jaar onder 745 startups & scaleups in de windenergie blijkt AI naar voren te komen als nummer 1 van de top 10 trends. Dit zijn de ontwikkelingen en toepassingen die daar aan ten grondslag liggen.

Bron: StartUs Insights

Google, AI en windenergie

Baanbrekend in de ontwikkeling van AI binnen de windindustrie is de inzet geweest van machine learning om de voorspelbaarheid van windenergieproductie te vergroten.

Grootverbruiker van windenergie Google startte, samen met DeepMind, in 2018 een onderzoek. Doel was de voorspelbaarheid van wind beter in kaart te krijgen, en daardoor betrouwbaarder te kunnen maken als energiebron.

Op zoek naar een oplossing begonnen ze met het toepassen van machine learning-algoritmen op 700 megawatt aan windenergiecapaciteit in het midden van de Verenigde Staten. De betreffende windparken, die deel uitmaken van Google's wereldwijde vloot van hernieuwbare energieprojecten, wekken gezamenlijk zoveel elektriciteit op als een middelgrote stad nodig heeft.

Met behulp van een zogenoemd neuraal netwerk dat werd getraind met algemeen beschikbare weersvoorspellingen en historische turbinegegevens, kon het DeepMind-systeem vervolgens geconfigureerd worden om de output van windenergie 36 uur eerder dan de daadwerkelijke opwekking te voorspellen. Ook konden zo algoritmen ontwikkeld worden die de energieproductie van windturbines optimaliseren door middel van geavanceerde voorspellingsmodellen. Op basis van deze voorspellingen kon het model vervolgens - een volledige dag van te voren - de optimale leveringsverplichtingen per uur leveren.

Belangrijk, omdat energiebronnen die kunnen worden gepland (d.w.z. een bepaalde hoeveelheid elektriciteit op een bepaald tijdstip kunnen leveren) vaak waardevoller zijn voor het net. Dit draagt bij aan een efficiënter beheer van windmolenparken en verhoogt de waarde van windenergie op het elektriciteitsnet.

Tot nu toe heeft machine learning de waarde van windenergie met ongeveer 20 procent verhoogd in vergelijking met het basisscenario zonder tijdgebonden verplichtingen aan het net. Hoewel de variabiliteit van de wind niet kan worden geëlimineerd, suggereerde dit vroege succes dat machine learning windenergie voorspelbaarder en waardevoller kan maken.

Handelssystemen

Het principe van machine learning heeft inmiddels geleid tot de ontwikkeling van volwaardige tradingsystemen. De Noorse producent van duurzame energie Statkraft, maakt gebruik van AI bij de energiehandelsactiviteiten. Ze werken met prognoses, waarvan sommige worden ondersteund door machine learning, en algoritmen, de zogenoemde handelsbots die op een geautomatiseerde manier met de markt communiceren. De elektriciteitsopwekkingsmiddelen die het bedrijf beheert, zijn geprogrammeerd om automatisch te starten en te stoppen met het produceren van stroom volgens de schema's, ontworpen met behulp van AI.

Het hele systeem is sterk geautomatiseerd en ontworpen om schaalbaar te zijn en op een kosteneffectieve manier te werken voor een grote vloot activa. Dat zou niet mogelijk zijn zonder het gebruik van machine learning en algoritmen die alles aan elkaar koppelen. (Lees hier meer.)

Onderhoud en kostenbesparingen

AI-technologieën zoals voorspellend onderhoud helpen bij het identificeren van potentiële storingen voordat ze zich voordoen, wat leidt tot een vermindering van de onderhoudskosten en downtime. Dit kan resulteren in aanzienlijke besparingen voor exploitanten van windparken. Zo heeft GE Renewable Energy aangegeven dat hun AI-aangedreven onderhoudssystemen kunnen leiden tot een verlaging van de operationele kosten met 10-15%.

Siemens Gamesa gebruikt AI voor voorspellend onderhoud en operationele optimalisatie. Ze hebben hun systemen uitgerust met sensoren die real-time data verzamelen en analyseren om potentiële problemen vroegtijdig te identificeren en onderhoud te plannen voordat storingen optreden. Hun systemen combineren kennis van turbineontwerp en technologie, historische gegevens en machine learning om componentgedrag te voorspellen en onderhoud efficiënt te plannen. (Zie: Remote Turbine Diagnostic Services en The Power of Big Data)

Vestas heeft een sterke focus op data-analyse en slimme technologie om de operaties te verbeteren. Dit omvat voorspellend onderhoud en operationele optimalisatie, waarbij data van honderden turbines wordt gebruikt om patronen en afwijkingen te identificeren die kunnen duiden op toekomstige problemen.

Inmiddels is er een veelheid van AI-technieken die op grote schaal ingezet worden voor bewakingssystemen en om de efficiëntie en het onderhoudsbeheer te verbeteren.

Een uitgebreid overzicht van kunstmatige intelligentie en windenergie wordt gegeven in het artikel: A Comprehensive Review of Artificial Intelligence and Wind Energy | Archives of Computational Methods in Engineering (springer.com) Daarin worden onder andere genoemd: Artificial Neural Networks, Fuzzy Logic, Genetic Algorithms, Particle Swarm Optimization, Decision Making Techniques, en Statistical Methods.

Deze technieken helpen bij het aanpakken van diverse aspecten zoals economische factoren, locatie van de windparken, niet-destructief testen, omgevingsomstandigheden, planningen, beslissingen van operators, energieproductie en resterende levensduur.

Optimalisatie van prestaties

Windturbines zijn uitgerust met duizenden sensoren die enorme hoeveelheden data genereren. AI-systemen analyseren deze data om de prestaties van turbines te optimaliseren en operationele beslissingen te ondersteunen. Dit leidt tot een betere benutting van middelen en verhoogde betrouwbaarheid van energieproductie.

AI helpt bijvoorbeeld door het verbeteren van de plaatsing van turbines en het beheer van de energiestroom naar het net. Dit kan de energieopbrengst met 5-7% verhogen, afhankelijk van de locatie en specifieke omstandigheden van het windpark.

IBM's Watson wordt onder meer ingezet voor het analyseren van weersvoorspellingen en het optimaliseren van energieproductie. Hiervoor wordt data van honderden turbines gebruikt om patronen en afwijkingen te identificeren die kunnen duiden op toekomstige problemen. (IBM Watson AI in Energy)

Uitdagingen

Hoewel AI veel kansen en voordelen met zich meebrengt, is het niet zonder uitdagingen. Softwarebedrijf voor windenergie asset management Skyspecs benoemt in haar blog 'Artificial Intelligence and its role in de Wind Energy' als grootste uitdaging het gebrek aan centralisatie en gestructureerde gegevens in de industrie. Vaak werken grotere organisaties met datasilo's die verspreid zijn over de hele organisatie, maar is niet één bron van waarheid. De gegevens zijn niet gemakkelijk toegankelijk en het kan voelen als het vinden van een speld in een hooiberg.

Wellicht is er wat dat betreft te leren van initiatieven voor het vergaren van big data binnen de olie- en gassector. Denk aan het Open AI Energy Initiatief van Shell, Baker Hughes, C3 AI en Microsoft: BHC3 | Bakker Hughes. Via dit open source- platform kunnen gespecialiseerde olie- en AI-modules gedeeld worden ten behoeve van AI-oplossingen voor de olie- en gasindustrie. Het idee is dat olie- en gasbedrijven, dienstverleners, leveranciers van apparatuur en onafhankelijke softwareleveranciers allemaal op AI en fysica gebaseerde modellen en aanverwante diensten kunnen aanbieden, zoals monitoring, diagnostiek, prescriptieve acties en diensten. De verkregen data kan ingezet worden om AI-modellen te verbeteren door bijvoorbeeld risico's voor proces- en apparatuurprestaties te voorspellen.

Een andere uitdaging is volgens Skyspecs het gebrek aan standaardisatie en consistentie in de industrie. Dit is terug te zien in de manier waarop schade wordt gemarkeerd en gecategoriseerd en hoe de ernst wordt beoordeeld. Er zijn veel verschillende talen die klanten gebruiken als ze over deze categorieën en ernstgraden spreken.

Bron: Podcast van Skyspecs: Artificial Intelligence and Its Role in Wind Energy

Kansen

Overall zijn er veel kansen voor de inzet van AI in de windsector, ziet ook Skyspecs. Naarmate gegevens meer gestructureerd en consistent worden, kunnen domeinexperts nauwer gaan samenwerken met ingenieurs en kunnen we meer gerichte problemen gaan oplossen met machine learning. 

Voorzichtige voorspellingen over de ontwikkelingen wijzen in de richting van multimodaal leren, waarbij AI zou kunnen helpen. Dit houdt in dat alle verschillende datamodaliteiten samen moeten worden bekeken, zodat één enkel model zoiets als een afbeelding kan opnemen en vervolgens een output kan geven. Dit biedt ook kansen voor de windindustrie, bijvoorbeeld voor de manier waarop analisten schade beoordelen. Dit is niet alleen door naar een afbeelding te kijken; er zijn verschillende parameters die moeten worden beoordeeld, zoals radiale afstanden voordat een beslissing wordt genomen. Daar zou AI van pas kunnen komen.

Oproep: wat zijn uw ervaringen en wensen?

De toepassingen van AI gaan de komende tijd alleen maar verder toenemen. Het is dus van groot belang op de hoogte te zijn en blijven van de mogelijkheden. NedZero wil zich de komende tijd nadrukkelijker richten op kennisdeling over AI voor onze leden.

Om beter te weten waar de precieze behoefte ligt, hebben we de volgende vragen. Wij horen graag uw inzichten via: info@nedzero.nl, onder vermelding van het onderwerp: 'AI-kansen voor de windindustrie'. We zullen uw informatie op verzoek anonimiseren.

Bekijk al het nieuws

Ontdek de voordelen van het NedZero Lidmaatschap

Meer informatie

Wij zijn NedZero, de branchevereniging voor windenergie.

Arthur van Schendelstraat 600
3511 MJ Utrecht

Contact
Nieuwsbrief

Blijf op de hoogte van het laatste nieuws:

Inschrijven
Volg ons
Privacyverklaring Disclaimer