Skip to main content
Weiter zur Homepage der Europäischen Kommission (öffnet in neuem Fenster)
Deutsch de
CORDIS - Forschungsergebnisse der EU
CORDIS

WINDWISE: Scalable and Private Multi-Level Fleet-Wide Monitoring for Distributed Wind Energy Assets

Projektbeschreibung

Intelligente und sichere Zustandsüberwachung für Windkraftanlagen

Die Überwachung von Windparks ist aufgrund von Problemen im Zusammenhang mit der Datenfragmentierung und Vertraulichkeit zu einer Herausforderung geworden, die die Zusammenarbeit zwischen den verschiedenen Windparkbetreibern behindert. Mit Unterstützung durch das Marie-Skłodowska-Curie-Maßnahmen-Programm entwickelt Projekt WINDWISE ein datenschutzfreundliches Framework auf Basis einer hierarchischen Architektur des föderierten Lernens. Dieses Framework ermöglicht ein verteiltes Modelltraining, ohne dass Betriebsdaten offengelegt werden, indem eine Kombination aus zentralisiertem Lernen in einem einzelnen Windpark und dezentralisiertem Lernen zwischen verschiedenen Windparks nutzt. Die Rechen- und Kommunikationsbeschränkungen werden mithilfe einer Ringkoordinationsstrategie bewältigt, um diese Architektur auf reale Daten anzuwenden. Die Ergebnisse können entscheidend zu einer genaueren und effizienteren Zustandsüberwachung beitragen.

Ziel

WINDWISE targets scalable and private wind-fleet condition monitoring by uniting intra-farm centralized federated learning (CFL) with an inter-farm decentralized federated learning (DFL) layer in a hierarchical CFL-DFL (HFL) architecture. Current practice is limited by fragmented data ownership, uneven computing and bandwidth, and privacy risks that hinder cross-operator/company collaboration. WINDWISE addresses these bottlenecks by keeping raw operational data on wind farms while enabling collaborative model updates within and across farms. The project will (i) formalize and evaluate CFL for intra-farm coordination under realistic constraints, (ii) develop system-aware client (turbine) selection to manage straggler clients that lag in computation or communication and improve learning efficiency, and (iii) establish a ring-based DFL layer for cross-silo collaboration without central coordination. Methods will be validated through controlled benchmarks against siloed and CFL-only baselines, using open and partner datasets with virtualized clients to test bandwidth, latency, and dropout conditions. Expected outcomes include privacy-compliant diagnostics with fewer false alarms, higher availability, and lower operations and maintenance (O&M) costs, plus practical policies for scheduling and aggregation and an open toolkit to support adoption. This work directly supports wind-asset management by improving reliability and availability, enhancing condition awareness, and safeguarding data sovereignty and privacy.

Wissenschaftliches Gebiet (EuroSciVoc)

Schlüsselbegriffe

Programm/Programme

Thema/Themen

Finanzierungsplan

HORIZON-TMA-MSCA-PF-EF - HORIZON TMA MSCA Postdoctoral Fellowships - European Fellowships

Alle im Rahmen dieses Finanzierungsinstruments finanzierten Projekte anzeigen

Aufforderung zur Vorschlagseinreichung

(öffnet in neuem Fenster) HORIZON-MSCA-2025-PF

Alle im Rahmen dieser Aufforderung zur Einreichung von Vorschlägen finanzierten Projekte anzeigen

Koordinator

TAMPEREEN KORKEAKOULUSAATIO SR
Netto-EU-Beitrag
€ 226 276,80
Gesamtkosten
Keine Daten

Partner (1)