Windenergie-Prognose- und Fehleranalysesystem

Industriesoftware für Betreiber von Windenergieanlagen: Das System bereinigt SCADA-Daten, erstellt mit numerischer Wettervorhersage (NWP) Erzeugungsprognosen 1–48 Stunden im Voraus, erkennt Anomalien und leitet Instandhaltungsentscheidungen ab.

Das System trainiert sechs verschiedene Machine-Learning-Modelle (XGBoost, LightGBM, CatBoost, Random Forest, Extra Trees, HistGB) mit zeitlich geordneter Validierung und kombiniert sie mit einem konformen Prognoseintervall von 90 %. Über die Open-Meteo-Integration fließt eine auf Nabenhöhe extrapolierte Wettervorhersage zur Zielstunde als Merkmal ein. Eine Anomalieerkennung auf Basis von Isolation Forest und eine physikbasierte Fehlerklassifikation in sechs Kategorien erzeugen ohne gelabelte Daten eine Alarmliste und den geschätzten Erzeugungsverlust (MWh). Die Ergebnisse werden in einem Web-Dashboard im SCADA-Stil, über eine REST-API (OpenAPI) und als CSV-Export bereitgestellt; Drift-Überwachung (PSI), Modellregister und ein zeitgesteuerter Retraining-Zyklus halten den Betrieb selbstständig aufrecht.