Machine Learning enthüllt das Potenzial von Windkraftanlagen mit vertikaler Achse

- EN- DE - FR- IT
Sébastien Le Fouest und ein Rotorblatt einer experimentellen VAWT-Windkraftanlag
Sébastien Le Fouest und ein Rotorblatt einer experimentellen VAWT-Windkraftanlage © Alain Herzog CC BY SA
Wissenschaftler der EPFL haben einen Algorithmus des genetischen Lernens verwendet, um die besten Neigungsprofile für die Rotorblätter von Windkraftanlagen mit vertikaler Achse zu ermitteln. Diese sind trotz ihres hohen Energiepotenzials noch immer anfällig für starke Windböen.


Wenn Sie von industriellen Windkraftanlagen hören, denken Sie wahrscheinlich an das Design einer Windmühle, bekannt unter der technischen Bezeichnung Horizontalachsen-Windkraftanlage oder HAWT. Doch die allerersten Windkraftanlagen, die im Mittleren Osten um das achte Jahrhundert herum zum Mahlen von Getreide entwickelt wurden, waren Windkraftanlagen mit vertikaler Achse oder VAWT. Sie drehten sich nicht parallel, sondern senkrecht zum Wind.

VAWT-Windkraftanlagen sind aufgrund ihrer geringeren Drehzahl leiser als HAWT-Windkraftanlagen. Sie erzielen außerdem eine höhere Energiedichte, was bedeutet, dass sie für die gleiche Produktion an Land und auf See weniger Platz benötigen. Die Rotorblätter sind außerdem schonender für die Tierwelt. Da sie sich eher seitlich drehen als oben abschneiden, können Vögel ihnen leichter ausweichen.

Wenn sie diese Vorteile haben, warum sind dann VAWT-Windkraftanlagen auf dem heutigen Markt kaum vertreten? Wie Sébastien Le Fouest, Forscher am Labor für die Diagnose instationärer Strömungen (UNFOLD) der Fakultät für Ingenieurwissenschaften und Technik, erklärt, hängt dies mit einem bestimmten technischen Problem zusammen, nämlich der Kontrolle des Luftstroms. Seiner Meinung nach kann dies durch eine Kombination aus Sensoren und maschinellem Lernen gelöst werden. In einem kürzlich in der Zeitschrift Nature Communications, veröffentlichten Artikel beschreiben Sébastien Le Fouest und Karen Mulleners, Leiterin des UNFOLD-Labors, zwei optimale Neigungsprofile für die Rotorblätter von VAWT-Windkraftanlagen. Diese Profile steigern die Leistung der Windkraftanlagen um 200% und reduzieren die strukturgefährdenden Vibrationen um 77%.

"Unsere Studie stellt unseres Wissens die erste experimentelle Anwendung eines gentechnischen Lernalgorithmus dar, um die beste Neigung eines VAWT-Windradblattes zu bestimmen", sagt Sébastien Le Fouest.

Aus einer Achillesferse einen Vorteil machen

Sébastien Le Fouest erklärt, dass die installierte Windkraftkapazität in Europa jedes Jahr um 19 Gigawatt wächst, diese Zahl aber auf 30 Gigawatt ansteigen müsste, um das von den Vereinten Nationen gesetzte Ziel der Netto-Null-Emissionen bis 2050 zu erreichen.

"Die Hindernisse sind nicht finanzieller, sondern sozialer und gesetzlicher Natur. Die gesellschaftliche Akzeptanz von Windkraftanlagen ist aufgrund ihrer Größe und ihres Lärms sehr gering", sagt er.


Trotz ihrer Vorteile haben VAWT-Windkraftanlagen einen entscheidenden Nachteil: Sie funktionieren nur bei einem mäßigen und kontinuierlichen Luftstrom. Die vertikale Rotationsachse bewirkt, dass die Rotorblätter ihre Ausrichtung zum Wind ständig ändern. Eine starke Böe vergrößert den Winkel zwischen dem Luftstrom und dem Rotorblatt und bildet einen Wirbel in einem Phänomen, das als dynamischer Strömungsabriss bezeichnet wird. Diese Verwirbelungen erzeugen vorübergehende strukturelle Belastungen, denen die Rotorblätter nicht standhalten können.

Um diesen Mangel an Böenfestigkeit zu beheben, installierten die Wissenschaftler Sensoren an einer Blattantriebswelle, um die auf sie einwirkenden Luftkräfte zu messen. Indem sie das Rotorblatt in verschiedenen Winkeln, Geschwindigkeiten und Amplituden vor und zurück neigten, erstellten sie eine Reihe von "Neigungsprofilen". Dann führten sie einen genetischen Algorithmus am Computer aus, der mehr als 3.500 experimentelle Iterationen durchlief. Wie in einem evolutionären Prozess wählte der Algorithmus die leistungsfähigsten und robustesten Neigungsprofile aus und kombinierte ihre Eigenschaften neu, um das beste Profil zu erstellen.

Mit diesem Ansatz konnten die Wissenschaftler nicht nur zwei Reihen von Neigungsprofilen identifizieren, die dazu beitragen, die Leistung und Robustheit der Windkraftanlagen erheblich zu optimieren, sondern auch die größten Schwachstellen der VAWT-Anlagen in einen Trumpf verwandeln.

"In einem kleineren Maßstab kann der dynamische Strömungsabriss - das gleiche Phänomen, das auch Windkraftanlagen zerstört - das Rotorblatt tatsächlich nach vorne treiben. Hier nutzen wir den dynamischen Strömungsabriss wirklich zu unserem Vorteil, indem wir die Neigung des Rotorblatts nach vorne umlenken, um Energie zu erzeugen", erklärt Sébastien Le Fouest. "Die meisten Windkraftanlagen richten die von den Blättern erzeugte Kraft nach oben, was die Rotation nicht gerade erleichtert. Diesen Winkel zu verändern, erzeugt nicht nur einen kleineren Wirbel, sondern stößt ihn auch im richtigen Moment ab, was zur Bildung eines zweiten Energieerzeugungsgebiets in Windrichtung führt."

Der Artikel in Nature Communications stellt die Doktorarbeit von Sébastien Le Fouest am UNFOLD-Labor vor. Dieser Forscher hat kürzlich vom Schweizerischen Nationalfonds ein BRIDGE-Stipendium für den Bau einer VAWT-Demonstrationswindkraftanlage erhalten. Ziel ist es, diese Windkraftanlage auf dem Feld zu installieren, damit sie unter realen Bedingungen getestet werden kann.

"Wir hoffen, dass diese Methode zur Kontrolle des Luftstroms die effiziente und zuverlässige VAWT-Technologie weiterentwickeln wird, damit sie auf den Markt gebracht werden kann", schließt Sébastien Le Fouest.

Referenzen

Le Fouest, S., Mulleners, K. Optimal blade pitch control for enhanced vertical-axis wind turbine performance. Nat Commun 15, 2770 (2024). https://doi.org/10.1038/s41467’024 -46988-0