Skaalautuva ja resilientti federatiivinen oppiminen tuulipuistojen laajamittaiseen kunnonvalvontaan (FleetCM4Wind)

Rahoitetun hankkeen kuvaus

FleetCM4Wind-hanke kehittää uusia tekoälymenetelmiä, jotka auttavat tuulipuistoja toimimaan luotettavammin ja tehokkaammin. Nykyaikaiset tuulipuistot koostuvat sadoista turbiineista, joiden on toimittava yhdessä vaihtelevissa sää- ja käyttöolosuhteissa. Vianhavaitseminen ajoissa on haastavaa, koska data on hajallaan eri paikoissa ja kuvaa pääasiassa normaalia toimintaa. Hanke hyödyntää hajautettua, tietosuojaa säilyttävää oppimista, jossa eri toimijat voivat kouluttaa yhteisiä malleja ilman raakadatasta luopumista. Yhdistämällä adaptiivisen ja hajautetun oppimisen menetelmiä parannetaan yhteistyöpohjaista mallinnusta ja turbiinien vikojen tunnistusta. Tutkimus tehdään Tampereen yliopistossa avoimilla datalähteillä ja kansallisilla laskentaresursseilla. Tulokset lisäävät uusiutuvan sähkön tuotannon luotettavuutta ja kustannustehokkuutta sekä vahvistavat Suomen ja Euroopan asemaa luotettavan tekoälyn edelläkävijänä puhtaan energian alalla.
Näytä enemmän

Aloitusvuosi

2026

Päättymisvuosi

2030

Myönnetty rahoitus

Hamed Badihi Orcid -palvelun logo
582 026 €

Rahoittaja

Suomen Akatemia

Rahoitusmuoto

Akatemiahanke

Päättäjä

Luonnontieteiden ja tekniikan tutkimuksen toimikunta
09.06.2026

Muut tiedot

Rahoituspäätöksen numero

377985

Tieteenalat

Sähkö-, automaatio- ja tietoliikennetekniikka, elektroniikka

Tutkimusalat

Automaatio- ja systeemitekniikka