LogReview

Ziele:

Die Offshore-Windenergie hat sich im letzten Jahrzehnt von einer neuen regenerativen Technologie zu einem zentralen Baustein der globalen Energiewende entwickelt. Das Hauptziel des LogReview-Forschungsprojekts ist die Analyse und Optimierung laufender Logistikprozesse für Betrieb und Wartung (Operation & Maintenance, kurz: O&M) von Offshore-Windparks (OWP).

Dafür werden die Daten des Automatische Identifikationssystems (AIS) von Schiffen ausgewertet, die in und um OWP fahren. Bei AIS handelt es sich um ein Funksystem, das kontinuierlich die Position, Kurs und Geschwindigkeit und weitere Schiffsdaten sendet. Zusätzlich werden Automatic Dependent Surveillance-Broadcast (ADS-B)-Daten von Luftfahrzeugen ausgewertet, die an diesen Logistikprozessen beteiligt sind, beispielsweise Hubschrauber. Das Projekt zielt unter anderem darauf ab, Big-Data-gestützte Lösungen zu finden.

Projektgegenstand:

Mit dem europäischen Offshore-Ausbauziel von 450 Gigawatt (GW) im Jahr 2050 wird auch der O&M-Markt wachsen und damit der Bedarf nach optimierten Logistikkonzepten sowie kostengünstigen Lösungen steigen. Die Weiterentwicklung und Optimierung von O&M-Logistikprozessen in der Betriebsphase wird daher immer wichtiger, z.B. durch:

• Entwicklung von O&M-Clusterkonzepten für Offshore-Windparks durch Nutzung von künstlicher Intelligenz (KI): Dabei werden Gruppen von ähnlichen Objekten gebildet und deren Daten ausgewertet, beispielsweise Schiffe, die regelmäßig aus bestimmten Häfen kommen und auf festen Routen fahren;
• Erhöhung der maritimen Sicherheit durch Forschung & Entwicklung (F&E) von neuen Methoden zur Abschätzung der Kollisionssicherheit im OWP oder seinem Verkehrsbereich;
• Verbesserung der CO2-Bilanz durch Optimierung der bestehenden O&M-Logistikprozesse.

Rolle des CML in LogReview:

Teilprojektziel des CML ist, die Kollisionssicherheit in und um OWP durch Verwendung von historischen AIS-Daten und KI-Methoden zu erhöhen. Dazu werden wir normale, also übliche, Schiffsrouten in und um OWPs extrahieren. Hierfür nutzen wir unsere speziell entwickelten Clusterkonzepte. Das extrahierte Wissen verwenden wir, um Anomalien auf Schiffsrouten zu erkennen, indem wir die KI-basierte Vorhersage der einzelnen Schiffsbewegungen (Trajektorienvorhersage) mit den normalen Routen in und um OWP vergleichen. Darüber hinaus werden wir die normalen Trajektorieninformationen verwenden, um eine einfach zu bedienende Simulationsumgebung für den Verkehr um OWPs zu erstellen. Die Simulationsumgebung soll zur Validierung und Integration von Risikomodellierungs- und Anomalieerkennungsmethoden verwendet werden. Routen könnten damit so geändert werden, dass sie weniger riskant sind und auch wirtschaftlicher sind.

Das Projekt wird sich auf vier OWPs in der Nordsee konzentrieren: "Veja Mate", "BARD Offshore 1", "Riffgat" und "Alpha Ventus".  Die Konzepte werden jedoch so entwickelt, dass sie problemlos auf jeden OWP angewendet werden können.

Projektkonsortium:

Fraunhofer-Institut für Windenergiesysteme (IWES), Fraunhofer-Center für Maritime Logistik und Dienstleistungen (CML), Institut für Maritime Logistik (MLS), Tractebel DOC Offshore GmbH (DOC)

Das Projekt läuft von 1.7.2021 bis 30.6.2024 und wird vom Bundesministerium für Wirtschaft und Energie (BMWi) gefördert.