Publikationen

Im Rahmen dieser Arbeit wurde der Stand der Wissenschaft aufgearbeitet. Anhand der Analyse konnte festgestellt werden, dass Windleistungsprognosen auf Basis unterschiedlicher Modellkategorien basieren. Ein in über zehn Jahren wenig bis gar nicht veröffentlichtes Thema ist der Einfluss der Datenanalyse insbesondere des Data Minings auf die Prognose. Im Laufe der Bearbeitung des Themas und durch die Erkenntnisse der Literaturrecherche wurde der Fokus auf die Datenanalyse gerichtet. Als Innovation wurden die Daten auf ihre unterschiedliche statistischen Eigenschaften untersucht und diese miteinander kombiniert. Als geeignete Methoden haben sich die multiple Korrelationskoeffizienten (MKK), die bedingte Entropie-Analyse und die Verwendung des linearen, nichtlinearen Informationsmaßes herausgestellt. Nicht geeignet sind die Methoden Hauptkomponentenanalyse (HKA) und Faktorenanalyse. Die Verwendung des MKK sowie des linearen, nichtlinearen Informationsmaßes wurde in keiner recherchierten Quelle verwendet. Mit Hilfe des Box-Jenkins-Verfahrens wurde das ARX Modell (autoregressives Modell mit exogenen Größen) als geeignetes Prognosemodell identifiziert und getestet. Nur durch die Verwendung eines RN (rückgekoppelte neuronale Netze) konnte deren Güte verbessert werden. Für die eingesetzten neuronale Netze wurden Experimente durchgeführt, wie Verfahrensweisen zur weiteren Verbesserung führen können. Abschließend wurde die Metaprognose in innovativer Form eingesetzt und konnte zusätzliche Gütesteigerungen erzielen. Weiterhin wurde eine Kennzahl eingeführt, um den Güteanteil der Datenanalyse und des Prognosemodells in der Prognose zu messen. Dieser zeigt, dass die Datenanalyse ca. 80 % Güteanteil an der Prognose besitzt. Die Prognosemethodik wurde erfolgreich an zwei Photovoltaik-Anlagen getestet. Neben der Datenanalyse wurde der Einfluss der Datenstruktur auf die Prognosequalität bewertet. Ein verlustfreies Speicherformat für Integration historischer Klimaprognosen ist unabdingbar, damit qualitativ performante Prognosemodelle trainiert werden können. Schließlich wurden die Erkenntnisse dieser Arbeit in einen Prototypen MaProSy integriert, mit Hilfe dessen produktive Prognosen umgesetzt werden können.

Die Entwicklung neuer Materialien sowie die ansteigenden Anforderungen an Qualität und Sicherheit erfordern die Entwicklung hochauflösender, zerstörungsfreier Werkstoffevaluierungsverfahren für die Produktion und Wartung. Im neuen Lorentzkraftevaluierungsverfahren wird ein Permanentmagnet relativ zu einem elektrisch leitenden Prüfkörper bewegt. Aufgrund der Bewegung werden Wirbelströme im Prüfkörper induziert. Die Wechselwirkung der Wirbelströme mit dem Magnetfeld führt zur Lorentzkraft, welche auf den Prüfkörper wirkt. Eine Kraft derselben Größe aber in entgegengesetzte Richtung wirkt auf den Permanentmagneten, wo sie gemessen wird. Bei Vorliegen eines Defekts sind die Wirbelstromverteilung und entsprechend die Lorentzkraft verändert. Die Defekteigenschaften werden aus den gemessenen Lorentzkraftkomponenten mittels der Lösung eines schlecht gestellten inversen Problems bestimmt. Die Ziele der Dissertation umfassen die Entwicklung einer neuen Vorwärtslösung, den Vergleich verschiedener Vorwärtslösungen, die Entwicklung neuer inverser Verfahren sowie die Erarbeitung einer Methode zur verbesserten Defekttiefenbestimmung für die Lorentzkraftevaluierung. Des Weiteren wurde ein qualitativer Vergleich mit der klassischen Wirbelstromevaluierung umgesetzt. Die existierenden Vorwärtslösungen für die Lorentzkraftevaluierung: "Approximate Forward Solution" und "Extended Area Approach" wurden hinsichtlich der Defektrekonstruktionsgüte verglichen. Es wurde ein Zielfunktionsscanningverfahren angewandt um den Einfluss der beiden Vorwärtslösungen direkt zu vergleichen. Damit wurde eine Verzerrung durch die sonst notwendige Parameterwahl bei inversen Methoden vermieden. Die Verwendung der Vorwärtslösung "Extended Area Approach" erzielte genauere Schätzungen der Defekttiefe und -abmessungen im Vergleich zur "Approximate Forward Solution". Die beiden Vorwärtslösungen sind jedoch auf Defekte mit gleichmäßiger Geometrie beschränkt. Aus diesem Grund wurde die neue Vorwärtslösung "Single Voxel Approach" entwickelt. Sie basiert auf der Superposition von Kraftveränderungssignalen von kleinen elementaren Defekten. Bei numerischen Simulationen mit Defekten verschiedener Größen, Tiefen und Formen zeigte der "Single Voxel Approach" die geringste Abweichung im Vergleich zu den beiden existierenden Vorwärtslösungen. Eine Minimum-Norm-Schätzung mit Elastic-Net-Regularisierung wurde auf die Lorentzkraftmessdaten eines Aluminiumprüfkörpers zur Rekonstruktion der Defekteigenschaften angewandt. Die Motivation zur Nutzung der Elastic-Net-Regularisierung stammt aus dem a priori Wissen, dass ein nicht-leitender Defekt von einem Prüfstück mit konstanter Leitfähigkeit umgeben ist. Die weit verbreitete Tikhonov-Phillips-Regularisierung wurde zu Vergleichszwecken angewandt. Mit beiden Regularisierungsmethoden konnte reproduzierbar eine korrekte Defekttiefenschätzung und eine adäquate Größenschätzung erzielt werden. Dasselbe inverse Verfahren wurde für die Defektrekonstruktion aus Wirbelstromevaluierungsmessdaten eines Aluminiumprüfkörpers angewandt. Die Defektrekonstruktionsergebnisse stellten sich für tiefer liegende Defekte verschwommen und weniger stabil im Vergleich zur Lorentzkraftevaluierung dar. Im Gegensatz war mit der Wirbelstromevaluierung die Rekonstruktion komplexerer Defektgeometrien möglich. Als weitere inverse Methode, wurde die adaptierte Landweber-Iteration für die Lorentzkraftevaluierung eingeführt. Die Landweber-Iteration wurde ausgewählt, da sich im Bereich der elektrischen Kapazitätstomographie vielversprechende Rekonstruktionsergebnisse gezeigt haben. Die adaptierte Landweber-Iteration erzielte adäquate Defektgrößenschätzungen. Die Position von tief liegenden Defekten wurde zu hoch rekonstruiert. Die Lorentzkraftevaluierung ist gekennzeichnet durch die Schwierigkeit, dass ein kleiner Defekt nahe der Prüfkörperoberfläche und ein größerer tiefer liegender Defekt ähnliche Kraftveränderungssignale zeigen. Das erschwert die Bestimmung der korrekten Defekttiefe. Das neue Prinzip der geschwindigkeitsabhängigen Lorentzkraftevaluierung wurde eingeführt um die Defekttiefenbestimmung zu unterstützen. Die Lorentzkraftveränderungssignale werden bei einer hohen Geschwindigkeit (10 m/s) relativ zu den Signalen bei einer niedrigen Geschwindigkeit (0.1 m/s) ausgewertet. Amplitudenveränderungen und Signalverschiebungen werden genutzt um die Defekttiefe zu bestimmen. Dabei wird der bewegungsinduzierte Skineffekt ausgenutzt. Die Plausibilität dieser neuen Methode wurde für Simulationsdaten gezeigt.