Problemstellung

Numerische Berechnungen lokaler Winddaten in bewaldetem Gelände erfordern eine hohe Auflösung, verbunden mit langen Rechenzeiten bei exakter Modellierung. Für Anwendungen in der Transportplanung von Windenergieanlagen-Komponenten oder der Koordination der Waldbrandbekämpfung müssen Winddaten jedoch schnell und unkompliziert verfügbar sein. In bisherigen Simulationen wurden Wälder nur mit Rauheitswerten abgebildet, was zu erheblichen Unsicherheiten bei der Berechnung führt. Ziel des Projekts war die KI-gestützte Approximation hochaufgelöster Winddaten über bewaldeten Gebieten auf Basis grobskaliger Reanalyse- oder Prognosedaten.

Ergebnisse und Wirkungen

Zur Validierung von Computational Fluid Dynamics (CFD)-Modellen wurden Drohnenmessungen optimiert und Methoden für eine realistischere Abbildung von Wäldern in den Simulationen getestet. Die so gewonnenen CFD-Ergebnisse sowie hochaufgelöste Geländemodelle dienten als Trainingsdaten für ein KI-Modell, das aus interpolierten DWD-Reanalysedaten eine gute Approximation der CFD-Simulation erzeugt. Ein Prototyp einer webbasierten Kartenanwendung visualisiert die Ergebnisse anschaulich. Zudem wurde ein Konzept zur Übertragbarkeit der Methode auf andere Standorte entwickelt. Die Projektergebnisse wurden auf Fachmessen und in Workshops präsentiert, und ein Folgeprojekt ist in Planung.