Deze thesis benadrukt de essentiële rol van windenergie in de mondiale overgang naar hernieuwbare energiebronnen. Het belicht schone en overvloedige elektriciteitsopwekking, maar erkent de uitdagingen van onderbrekende aard. Om het potentieel van windenergie te maximaliseren, richt het onderzoek zich op adaptieve controle- en monitoringsstrategieën in drie hoofdgebieden: toezicht op windmolenparken, lokale controle van windturbines en monitoring van de gezondheid van windturbines. Innovatieve op data gebaseerde technieken, waaronder machine learning, verbeteren de integratie in het elektriciteitsnet, bieden aanvullende diensten en verbeteren de gezondheidsmonitoring van turbines, wat de algehele prestaties en betrouwbaarheid verbetert. De thesis stelt nieuwe strategieën voor om de werking van windmolenparken te optimaliseren, waarbij gebruik wordt gemaakt van op neurale netwerken gebaseerde controle voor individuele windturbines en de implementatie van adaptieve controlesystemen. Deze strategieën verbeteren de stroomopwekking, de stabiliteit van het elektriciteitsnet en de gezondheidsmonitoring, en verminderen tegelijkertijd de uitstoot van broeikasgassen. Dit onderzoek biedt uiteindelijk waardevolle oplossingen voor beleidsmakers en de windenergie-industrie, ter bevordering van een duurzame en veerkrachtige integratie van windenergie in het mondiale energielandschap, in lijn met doelstellingen voor het tegengaan van klimaatverandering. | |