01
Der Wind ist zuerst da.
Kann ein Windrad sein Blatt auf den Wind einstellen, der gleich kommt?
02
77.760 Messwerte.
Drei simulierte Anlagen mit 250 kW, alle 10 Minuten, sechs Monate lang. Das Paper nutzte Stundenwerte.
03
Ein einfaches Modell liegt ein Drittel daneben.
Lineare Regression: 33,95 % Fehler beim Blattwinkel.
04
Vorhersagen. Dann den Fehler korrigieren.
XGBoost sagt den Winkel voraus. Ein zweites Modell lernt nur aus dessen Fehlern.
05
33,95 % → 1,11 %.
Der Fehler sinkt um 96,7 %.
06
+21 % Energie.
Im veröffentlichten Paper: 841,54 → 1.019,41 kWh an einem Beispieltag.
07
Google, im großen Maßstab.
DeepMind sagte 700 MW Windleistung 36 Stunden voraus. Ihr Wert stieg um rund 20 %.
Quellen: Google DeepMind, 2019 ↗
08
Als Nächstes: echter Wind.
Simulierte Daten sind sauber. Der echte Test ist eine laufende Anlage.