Generatieve AI in de windsector: meer dan ChatGPT

Generatieve AI is bij velen bekend in de vorm van ChatGPT, maar deze technologie kan veel meer en vindt zijn weg naar allerlei toepassingen in de windenergiesector. Van het voorspellen van toekomstige windpatronen tot het ondersteunen van veldtechnici: generatieve AI transformeert de manier waarop we windenergie ontwikkelen, implementeren en onderhouden. Ik gaf hierover een keynote op WindDay 2025 en deelde onder andere deze vijf toepassingen van generatieve AI in de windenergiesector:

Virtuele assistenten voor organisaties

Veel grote organisaties fine-tunen bestaande taalmodellen door ze te trainen op hun eigen data. Voorbeelden daarvan zijn Headstart van Deloitte en Lilli van McKinsey, die consultants niet alleen tijd besparen maar ook helpen betere resultaten te leveren. Een data-veilige digitale virtuele assistent kan medewerkers enorm veel tijd besparen bij het maken van projectvoorstellen, het opstellen van projectplannen en andere routinetaken. Ook in de windenergiesector.

Toekomstige windpatronen voorspellen

Als gevolg van klimaatverandering wordt verwacht dat windpatronen zullen veranderen. Sust Global gebruikt Denoising Diffusion Probabilistic Models (DDPMs), een type generatieve AI, om de effecten van klimaatverandering te integreren in investeringsbeslissingen voor windparken. Door toekomstgerichte windprojecties in hoge resolutie te genereren, helpt Sust Global investeerders en ontwikkelaars de risico's van veranderende windpatronen beter te kwantificeren en hierop te anticiperen tijdens de planningsfase.

Optimalisatie van windpark lay-out

AI-gedreven systemen worden steeds vaker ingezet om de meest efficiënte lay-out voor windparken te ontwerpen. Deze systemen combineren geospatiale data in hoge resolutie met milieu- en economische analyses en voorspellende AI-modellen. Het doel is de positionering van turbines zodanig te optimaliseren dat wake-effecten, de turbulentie die een turbine veroorzaakt en de prestaties van naburige turbines negatief beïnvloedt, worden geminimaliseerd en de totale energieopbrengst wordt gemaximaliseerd.

Hierbij worden 3D-modelleringsengines zoals Unity of Unreal Engine (van oorsprong game-engines ontworpen voor de ontwikkeling van computerspellen) en AI-aangedreven Geografische Informatie Systemen (GIS) gebruikt om real-time, dynamische simulaties van windparken te creëren. Binnen deze virtuele omgevingen kunnen duizenden verschillende turbineconfiguraties en -plaatsingen worden getest en geëvalueerd voordat daadwerkelijk met de bouw wordt begonnen.

Ondersteuning van veldtechnici

Via mobiele apparaten kunnen technici door middel van spraak- of tekstcommando's direct toegang krijgen tot generatieve AI-systemen die hen voorzien van gedetailleerde, stapsgewijze instructies, relevante technische documentatie, schema's en zelfs instructievideo's om complexe problemen snel te diagnosticeren en op te lossen.

Een uitstekend voorbeeld binnen de windenergie sector is 'First Time Right Autopilot' van Iberdrola-dochter Avangrid. Deze oplossing, gebouwd op het Amazon Bedrock platform, maakt gebruik van foundation models die getraind zijn met Avangrid's uitgebreide kennisbank van O&M-handleidingen en -processen. De tool fungeert als een virtuele expert die de technicus begeleidt, wat resulteert in snellere troubleshooting, significant minder downtime van turbines en een algehele optimalisatie van de operationele efficiëntie.

Avangrid gebruikt generatieve AI om veldtechnici te ondersteunen. Afbeelding: Avangrid

Sneller en slimmer ontwerpen

Generatieve AI maakt het mogelijk om aerodynamisch superieure bladprofielen te ontwerpen. Door de mogelijkheid om snel duizenden ontwerpvarianten te genereren en te simuleren, kunnen ingenieurs de aerodynamische efficiëntie optimaliseren voor specifieke windcondities, wat resulteert in een hogere jaarlijkse energieproductie.

Modellen zoals Variational Autoencoders (VAEs) en Generative Adversarial Networks (GANs), vaak in combinatie met Physics-Informed Neural Networks (PINNs), worden ingezet om ontwerpen te genereren die niet alleen innovatief zijn maar ook voldoen aan fysische wetmatigheden en structurele eisen.

Conclusie

Generatieve AI draagt bij aan een efficiëntere en duurzamere energietoekomst, van het voorspellen van klimaatverandering tot het optimaliseren van turbineontwerpen. De voorbeelden laten zien dat we nog maar aan het begin staan van wat mogelijk is wanneer geavanceerde AI wordt toegepast op de uitdagingen van hernieuwbare energie. We kunnen nog veel meer interessante ontwikkelingen verwachten de komende jaren!

Ik heb dit artikel geschreven voor NedZero, je vind het origineel hier