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 enemmänAloitusvuosi
2026
Päättymisvuosi
2030
Myönnetty rahoitus
Rahoittaja
Suomen Akatemia
Rahoitusmuoto
Akatemiahanke
Päättäjä
Luonnontieteiden ja tekniikan tutkimuksen toimikunta
09.06.2026
09.06.2026
Muut tiedot
Rahoituspäätöksen numero
377985
Tieteenalat
Sähkö-, automaatio- ja tietoliikennetekniikka, elektroniikka
Tutkimusalat
Automaatio- ja systeemitekniikka