Predictive Maintenance bei Windenergieanlagen

Um Windenergie langfristig und nachhaltig nutzen zu können, ist es essentiell, Windenergieanlagen in ihrem Zustand zu überwachen. Dies erlaubt die schnelle Detektion von Defekten in Bauteilen zur rechtzeitigen Instandhaltung. In einem gemeinsamen Projekt mit der EnBW haben wir uns dieser Aufgabe der Predictive Maintenance auf Sensordaten gewidmet.

Dazu wird Normal Behaviour Modeling (NBM) mittels bekannter Machine-Learning-Verfahren implementiert, um Abweichungen im Normalverhalten der Windenergieanlagen zu entdecken.

In diesem Vortrag geht es um die eingesetzten NBM-Algorithmen und deren Ergebnisse sowie um einige der Weiterentwicklungsmöglichkeiten, die diese Verfahren bieten.

Vorkenntnisse

Besucher:innen sollten ein grundsätzliches Verständnis von Machine Learning haben. Allerdings werden alle im Projekt genutzten Machine-Learning-Algorithmen im Vortrag erklärt.

Lernziele

  • Was ist Predictive Maintenance?
  • Wie kann sie im Bereich von Windenergieanlagen implementiert werden?
  • Was ist Normal Behaviour Modelling?
  • Welche Machine-Learning-Algorithmen eignen sich vorzugsweise für Normal Behaviour Modelling?
  • Wie genau funktionieren die genannten Algorithmen?

Speaker

 

Florence Lopez
Florence Lopez absolvierte ihren Master in Informatik an der Eberhard Karls Universität Tübingen, mit einem Schwerpunkt in Machine Learning und Deep Learning. Seit September 2020 arbeitet sie als Data Scientist bei der scieneers GmbH in Karlsruhe und wirkt dort an einem Non-Profit-Projekt über Citizen Science sowie an einem Forschungsprojekt zur Predictive Maintenance in Windenergieanlagen mit.

Gold-Sponsor

infoteam
Novatec

M3-Newsletter

Sie möchten über die Minds Mastering Machines
auf dem Laufenden gehalten werden?

 

Anmelden