Voith und das deutsche Luft- und Raumfahrtzentrum (DLR) gaben an, dass das Kooperationsprojekt erfreuliche Erstsergebnisse erzielt hat, die darauf abzielen, künstliche Intelligenz zur Verbesserung des Designs von Hydraulikturbinen zu verbessern. Das Projekt nutzt die Optimierungssoftware von DLR Autoopti, um den Entwicklungsprozess von Turbinenkomponenten durch automatisierte und datengesteuerte Designprozesse zu vereinfachen.
Das Projekt zielt darauf ab, auf die wachsende Nachfrage der Branche zu reagieren und eine effizientere, langlebigere und kostengünstigere Entwicklung der Wasserkraft-Technologie zu fördern. Unter zunehmend strengeren wirtschaftlichen und regulatorischen Einschränkungen haben Energieversorger und Kraftwerksbetreiber zunehmend eine verbesserte Wasserkraftleistung gefordert.
Autoopti zielt darauf ab, den Turbinendesign -Prozess zu automatisieren, indem eine Vielzahl von Simulationsmodellen integriert wird, einschließlich Flüssigkeitsdynamik und Strukturmechanik. Es wird maschinelles Lernen verwendet, um neue Turbinendesigns basierend auf Leistungszielen wie hydraulischer Effizienz und mechanischer Haltbarkeit zu generieren und zu bewerten.
Projektpartner sagten: Autoopti verkürzt die Entwicklungszeit erheblich und verbessert die Qualität des Turbinendesigns erheblich.
Autoopti hat Leistungsverbesserungen durch die Verwendung der realen Komponentendaten von Voith gezeigt. Bei der Prüfung einer Turbine im Francis-Stil erzeugte das Tool ein neues Design, das die Effizienz unter mehreren Betriebsbedingungen verbessert, ohne die Durchflussrate zu ändern. Alternative Modelle, die auf Gaußschen Prozessen basieren, können die Anzahl teurer CFD -Simulationen (Computational Fluid Dynamics) reduzieren und damit den Gesamtoptimierungsprozess beschleunigen.
In der nächsten Phase des Projekts wird das Anwendungsbereich von Autooopti auf andere Turbinenkomponenten erweitert und seine Anwendungen in anderen Voith -Produktlinien untersucht. Das deutsche Aerospace Center (DLR) unterstützt diese Arbeit durch Trainings- und technische Workshops und entwickelt gleichzeitig neue Ansätze zur Verwendung von tiefen neuronalen Netzwerken. Eine der Methoden heißt Flowformer, die auf der Transformatorarchitektur basiert und das komplexe dreidimensionale Flussverhalten vorherzusagen.
Das Projekt ist eine der breitesten Schritte in der Wasserkraftindustrie, um sich in digitales und künstliches Intelligenz-unterstütztes Design zu verwandeln. Die beiden Seiten wollen eine langfristige Entwicklungspartnerschaft auf der Grundlage bestehender Fortschritte aufbauen.