Υπό το φως της παγκόσμιας μετάβασης σε φιλικές προς το περιβάλλον πηγές ενέργειας, η αιολική ενέργεια έχει αναδειχθεί ως ζωτικής σημασίας υποκατάστατο των συμβατικών ορυκτών καυσίμων. Τα αιολικά πάρκα, τα οποία αποτελούνται από πολυάριθμες ανεμογεννήτριες, είναι εξαιρετικά σημαντικά για την παραγωγή βιώσιμης ενέργειας. Μια νέα εποχή έξυπνων, αξιόπιστων και αποδοτικών ενεργειακών συστημάτων έχει ανθήσει με την έλευση προηγμένων τεχνολογιών όπως το Διαδίκτυο των Πραγμάτων (IoT), η μηχανική μάθηση, η τεχνητή νοημοσύνη και η επακόλουθη ενσωμάτωσή τους. Εκτός από τη βελτίωση της απόδοσης του συστήματος, αυτές οι τεχνολογίες παρέχουν λύσεις για επείγοντα παγκόσμια ενεργειακά ζητήματα. Οι συσκευές IoT χρησιμοποιούνται στον τομέα της αιολικής ενέργειας για τη συλλογή ζωτικών δεδομένων, τα οποία στη συνέχεια μετατρέπονται σε πρακτικές γνώσεις. Οι παραπάνω πληροφορίες βοηθούν στη βελτίωση της αποδοτικότητας των ανεμογεννητριών, στην ακριβή πρόβλεψη της παραγωγής ενέργειας, στη βελτιστοποίηση των προσεγγίσεων συντήρησης και στον εντοπισμό πιθανών κινδύνων. Η μετάδοση των μετρήσεων αισθητήρων σε πραγματικό χρόνο σε ένα κέντρο ελέγχου επιτρέπει τη συνεχή παρακολούθηση, η οποία θέτει ξεχωριστές προκλήσεις για τον έλεγχο πραγματικού χρόνου σε επίπεδο συστήματος και εξαρτημάτων. Αυτή η πτυχιακή εργασία διερευνά τις πολυπλοκότητες που σχετίζονται με την ενσωμάτωση της τεχνολογίας IoT σε συστήματα ανεμογεννητριών. Ο πρωταρχικός στόχος είναι να χρησιμοποιηθούν δεδομένα καιρού που λαμβάνονται από συσκευές του Διαδικτύου των Πραγμάτων (IoT) προκειμένου να προβλεφθεί η παραγωγή αιολικής ενέργειας. Αυτό χρησιμεύει ως σύνδεση μεταξύ μετεωρολογικών παρατηρήσεων και δεδομένων για την παραγωγή αιολικής ενέργειας. Η έρευνα τονίζει την επαναστατική ικανότητα της ανάλυσης δεδομένων που τροφοδοτείται από το Διαδίκτυο των πραγμάτων για τη βελτίωση της αποτελεσματικότητας, της αξιοπιστίας και της φιλικότητας προς το περιβάλλον των συστημάτων αιολικής ενέργειας.
(EL)
In light of the worldwide transition towards environmentally friendly energy sources, wind power has emerged as a crucial substitute for conventional fossil fuels. Wind farms, which are comprised of numerous wind turbines, are of utmost importance in the generation of sustainable energy. The combination of advanced technologies such as the Internet of Things (IoT), machine learning, and artificial intelligence has given rise to a new generation of energy systems that are intelligent, reliable, and efficient. These technologies not only enhance system performance but also address pressing global energy concerns. IoT devices are utilized in the wind energy sector to gather vital data, which is subsequently converted into practical insights. The aforementioned information assists in the enhancement of wind turbine efficiency, precise anticipation of energy production, optimization of maintenance approaches, and detection of potential risks. The transmission of real-time sensor measurements to a remote-control center enables continuous monitoring, which poses distinct challenges for system and component-level real-time control. This dissertation examines the intricacies involved in incorporating IoT technologies into wind turbine systems. The main goal is to employ weather data acquired from Internet of Things (IoT) devices to forecast wind power generation. This serves as a connection between meteorological observations and data on wind energy production. The dissertation highlights the revolutionary capacity of data analysis powered by the Internet of Things to improve the effectiveness, dependability, and environmental friendliness of wind energy systems.
(EN)
/aggregator-openarchives/portal/institutions/uoa
