Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS

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

Opis projektu

Bezpieczne i inteligentne monitorowanie stanu turbin wiatrowych

Monitorowanie elektrowni wiatrowych jest trudnym zadaniem ze względu na problemy związane z fragmentacją danych i poufnością, które utrudniają współpracę między różnymi operatorami. Zespół finansowanego ze środków działania „Maria Skłodowska-Curie” projektu WINDWISE opracowuje platformę zapewniającą prywatność danych, wykorzystującą hierarchiczną architekturę uczenia federacyjnego. Platforma umożliwia rozproszone szkolenie modeli bez konieczności ujawniania danych operacyjnych dzięki połączeniu uczenia scentralizowanego w obrębie pojedynczej elektrowni oraz uczenia zdecentralizowanego obejmującego wiele elektrowni. Problem ograniczeń w zakresie obliczeń i łączności jest rozwiązywany przy pomocy strategii koordynacji pierścieniowej, która umożliwia wykorzystanie rzeczywistych danych. Rezultaty prac mogą stanowić istotny czynnik poprawiający dokładność i precyzję monitorowania stanu technicznego turbin wiatrowych.

Cel

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.

Dziedzina nauki (EuroSciVoc)

Słowa kluczowe

Program(-y)

Temat(-y)

System finansowania

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

Wyświetl wszystkie projekty finansowane w ramach tego programu finansowania

Zaproszenie do składania wniosków

(odnośnik otworzy się w nowym oknie) HORIZON-MSCA-2025-PF

Wyświetl wszystkie projekty finansowane w ramach tego zaproszenia

Koordynator

TAMPEREEN KORKEAKOULUSAATIO SR
Wkład UE netto
€ 226 276,80
Koszt całkowity
Brak danych

Partnerzy (1)