Entscheidung und Steuerung in hybriden Windparks

Dieses Buch fokussiert auf zwei zentrale Aspekte im Betrieb von Windparks: Entscheidungen und Steuerung. Im ersten Teil werden Entscheidungsprozesse erläutert, bei denen der Betrieb von Hybrid-Windparks von der Auswahl optimaler Alternativen zur Einspeisung von Windenergie ins Netz abhängt. Präzise Windvorhersagen sind entscheidend, um Fehler auszugleichen und mittels eines Batteriespeichersystems Reservekapazitäten ins Netz einzuspeisen. MCDM-Methoden und ein unscharfer Ansatz werden verwendet, um die besten Optionen zu bewerten. Fallstudien aus US-amerikanischen Windparks bieten numerische Lösungen.
Im zweiten Teil liegt der Fokus auf der Steuerung, insbesondere der Yaw-Winkel-Steuerung zur Leistungsoptimierung der Turbinen. Eine Transferfunktions-basierte Methode zur Steuerung des Wirbelzentrums wird vorgestellt, begleitet von lidar-basierten Simulationen und adaptiven Steuerungsstrategien für verschiedene Windparklayouts. Die Auswirkungen des Yaw-Winkels auf die Betriebskosten des Batteriespeichersystems werden analysiert, unterstützt durch Fallstudien aus den USA und Dänemark.
Die Übersetzung wurde mit Hilfe von künstlicher Intelligenz durchgeführt. Eine anschließende menschliche Überarbeitung erfolgte vor allem in Bezug auf den Inhalt.
This book is a translation of an original German edition. The translation was done with the help of artificial intelligence (machine translation by the service DeepL.com). A subsequent human revision was done primarily in terms of content, so that the book will read stylistically differently from a conventional translation.

Harsh S. Dhiman erhielt den B.Tech.-Abschluss in Elektrotechnik von der Nirma University, Ahmedabad, Indien, im Jahr 2014, den Master-Abschluss in Elektrotechnik von der Maharaja Sayajirao University of Baroda, Vadodara, Indien, im Jahr 2016 und den Ph.D.-Abschluss vom Department of Electrical Engineering, Institute of Infrastructure Technology Research and Management, Ahmedabad, Indien, im Juni 2020. Er ist Consultant Data Scientist in der Tech Consulting Service Line bei Ernst & Young (EY). Er hat als Assistant Professor am Department of Artificial Intelligence & Machine Learning, Symbiosis Institute of Technology, Pune, Indien, gearbeitet. Er hat 13 SCI-gelistete Zeitschriftenartikel und zwei Bücher bei Springer und Elsevier veröffentlicht bzw. mitveröffentlicht. Seine Kernforschungsinteressen umfassen die Zustandsüberwachung und prädiktive Wartung von Windturbinen. Neben der Windenergie ist er auch an Prognose- und Diagnoseverfahren für Brennstoffzellentechnologie interessiert. Er ist ein aktiver Gutachter für renommierte Zeitschriften wie IEEE Transactions in Instrumentation and Measurement, Expert Systems with Applications und Journal of Fuzzy and Intelligent Systems.
Dipankar Deb ist Senior Member der IEEE und war in den Jahren 2010-2012 als Assistant Professor (AGP 8000) am IIT Guwahati tätig. Er verfügt über mehr als sechs Jahre Industrieerfahrung sowohl in New York (USA) als auch bei GE Global Research (Bengaluru, Indien). Von Juli 2015 bis Januar 2019 war er Associate Professor und ab dem 24. Januar 2019 Professor für Elektrotechnik am Institute of Infrastructure Technology Research and Management (IITRAM) in Ahmedabad. Er hält sechs US-Patente, drei indische Gebrauchsmusterpatente und eine indische Designregistrierung und hat 52 SCI-gelistete Zeitschriftenartikel und über 40 internationale Konferenzbeiträge veröffentlicht. Er hat außerdem 12 Bücher bei renommierten Verlagen wie Springer und Elsevier verfasst und herausgegeben. Er ist Herausgeber der Buchreihe Studies in Infrastructure and Control (Springer) und CRC Press on Control Theory and Applications und war von 2019 bis 2022 als Associate Editor für IEEE Access tätig. Er hat auch umfangreich in Bereichen wie adaptive Steuerung, aktive Strömungskontrolle, erneuerbare Energien, kognitive Robotik und maschinelles Lernen gearbeitet. Er ist in den Top 2% der Forscher weltweit für 2020 und 2021 gelistet, wie von der Stanford University veröffentlicht.