Skip to main content
Vai all'homepage della Commissione europea (si apre in una nuova finestra)
italiano it
CORDIS - Risultati della ricerca dell’UE
CORDIS

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

Descrizione del progetto

Un monitoraggio intelligente e sicuro delle condizioni delle turbine eoliche

Il monitoraggio dei parchi eolici è diventato una sfida a causa di problemi legati alla frammentazione dei dati e alla riservatezza, che ostacolano la cooperazione tra i vari gestori di tali fattorie del vento. Sostenuto dal programma di azioni Marie Skłodowska-Curie, il progetto WINDWISE sta sviluppando un quadro che garantisce la tutela della privacy utilizzando un’architettura gerarchica di apprendimento federato, in grado di consentire l’addestramento distribuito dei modelli senza divulgare i dati operativi sfruttando una combinazione di apprendimento centralizzato all’interno di un singolo parco e apprendimento decentralizzato tra parchi diversi. Le restrizioni di calcolo e comunicazione vengono gestite con l’ausilio di una strategia di coordinamento ad anello per l’implementazione di questa architettura su dati reali, fornendo risultati potenzialmente determinanti per migliorare l’accuratezza e l’efficienza del monitoraggio delle condizioni.

Obiettivo

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.

Campo scientifico (EuroSciVoc)

Parole chiave

Programma(i)

Argomento(i)

Meccanismo di finanziamento

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

Vedi tutti i progetti finanziati nell’ambito di questo schema di finanziamento

Invito a presentare proposte

(si apre in una nuova finestra) HORIZON-MSCA-2025-PF

Vedi tutti i progetti finanziati nell’ambito del bando

Coordinatore

TAMPEREEN KORKEAKOULUSAATIO SR
Contributo netto dell'UE
€ 226 276,80
Costo totale
Nessun dato

Partner (1)