PNE erweitert das digitale und analytische Dienstleistungsangebot der Life-Cycle-Services der Unternehmenstochter energy consult durch Integration der Digitalfirma Bitbloom Ltd.
Sie haben im Juli den Erwerb von 51 Prozent des britischen Digitalunternehmens Bitbloom Ltd bekanntgegeben. Welche Ziele verfolgen Sie mit der Investition?
Thomas Salje: Der Eigenbetrieb der PNE arbeitet bereits seit einer ganzen Weile mit Bitbloom zusammen. Nachdem wir uns mehrere Software-Produkte verschiedener Unternehmen angesehen haben, sind wir zu der Überzeugung gelangt, dass Bitbloom die besten Lösungen für unsere Anforderungen anbietet. Wir verfolgen mit der Beteiligung zwei Ziele. Wir möchten zum einen die technischen Kapazitäten unserer eigenen Windparks optimieren. Durch die Software können wir Unterperformance von Windenergianlagen detektieren und die Ursachen dafür identifizieren. Durch anschließende, zielgerichtete Beseitigung der Fehlerquelle kann so die Gesamtperformance des Portfolios verbessert werden. Zum zweiten möchten wir die Softwarelösungen und auf der Software basierende Dienstleistungen und damit verbundenen Optimierungsmöglichkeiten anderen Eigentümern und Betreibern von Erneuerbaren Energien-Anlagen anbieten. Damit erweitern wir das digitale und analytische Dienstleistungsangebot der Life-Cycle-Services der energy consult, nachdem der Einsatz der Software erfolgreich von uns im Eigenbetrieb implementiert wurde.
Wie gelingt die Optimierung durch KI-gestützte Technologie?
Thomas Salje: Unser Ziel ist es ja, die Performance der Anlagen zu erhöhen, also mehr Kilowattstunden zu produzieren, den Stillstand der Windräder zu verringern und auch das standortspezifische Anlagenverhalten zu verstehen.
Die von Sensoren gemessenen Betriebsdaten der Anlagen werden mit der Software von Bitbloom automatisch überwacht und tiefgehend analysiert, um so ein Fehlverhalten der Anlagen schnell feststellen zu können. Die KI-gestützte Technologie erkennt frühzeitig kleine, aber signifikante Abweichungen vom Normalbetrieb, die von Menschen nicht erkannt werden würden. Der Vorteil einer schnellen Detektion ist offensichtlich. Es kann schneller Abhilfe geschaffen werden, so dass eine schlechtere Leistung behoben oder gar Stillstandzeiten verkürzt werden.
Natürlich gibt es auch jetzt schon elektronische Überwachungsmöglichkeiten in den Anlagen. Doch KI-Technologie geht darüber weit hinaus. Die aktuellen Steuerungen der Windenergieanlagen überwachen im Wesentlichen nur Sollzustände einzelner Sensoren und ziehen keine langfristige zeitliche Entwicklung von Messwerten in Betracht.
Die Software ermöglicht uns nun auch deutlich mehr und verschiedene Datenquellen außerhalb der üblichen Scada-Daten als Bewertungsgrundlage hinzuziehen und miteinander zu korrelieren. Beispielsweise können Prognosedaten, wie Windgutachten, aktuelle Wetterdaten und auch Datenvergleiche zu anderen Anlagentypen zur Analyse herangezogen werden. Das schafft eine sehr viel größere Basis für die Diagnose.
Neben den KI-basierten Analysemethoden stehen in der Software auch Analysen basierend auf physikalischen Modellen oder konventionellen statistischen Modellen bereit. Je nach Anwendungsfall hat die eine oder die andere Methode Vor- beziehungsweise Nachteile. Alle Ansätze werden verfolgt und jeweils der Beste genutzt.
Wo sehen Sie die Vorteile?
Thomas Salje: Die Vorteile der KI liegen darin, dass sie Muster und Zusammenhänge in den Daten erkennen kann, die für menschliche Analysten viel zu komplex sind und daher nur schwer erkennbar wären. Da eine KI Zusammenhänge erkennt, kann sie komplexe Beziehungen zwischen verschiedenen Variablen ableiten und nutzen. KI ermöglicht es, auf datengesteuerte Weise das Verhalten zu beschreiben, ohne dass detaillierte physikalische Modelle explizit formuliert werden müssen. Je nach Anwendungsfall kann das die Modellbildung vereinfachen, die Entwicklungszeit einer Analyse verkürzen und sogar zur schnelleren Aufdeckung eines Fehler führen.
Der Vorteil der physikalischen Modelle hingegen liegt darin, dass ihre Ergebnisse leichter nachvollziehbar sind und deshalb Ursachen leichter hergeleitet werden können. Im Gegensatz zum KI-Modell liegt hier keine Black-Box vor – die Ergebnisse sind transparent. Die direkte technische Interpretierbarkeit erleichtert sowohl die Kommunikation der Ergebnisse als auch die Ermittlung der Fehlerursachen. In einigen Situationen kann auch die Kombination aus KI-Methoden und physikalischer Modellierung die beste Wahl sein.
Foto: PNE
