Die schwimmende Offshore-Windkraft steht vor der Herausforderung, den Sprung von der Prototypenphase zur kommerziellen Nutzung in Gigawatt-Größenordnung zu schaffen. Hohe Investitionskosten, maßgeblich getrieben durch den Materialeinsatz und volatile Stahlpreise, bremsen derzeit die Entwicklung. Ein neues, im Fachmagazin 'Wind Energy Science' veröffentlichtes Forschungsmodell setzt nun bei diesen zentralen Kostenfaktoren an.
Strukturelle Optimierung der Plattform
Im Zentrum der Untersuchung stand die UMaine VolturnUS-S-Plattform, die für den Einsatz mit einer 15-Megawatt-Turbine konzipiert ist. Die Forscher nutzten einen genetischen Algorithmus, um geometrische Parameter – wie Säulendurchmesser sowie Abmessungen der Pontons – iterativ zu optimieren. Das Ergebnis ist signifikant: Die beste Designvariante reduzierte die benötigte Stahlmasse von 3.916 Tonnen auf 3.273 Tonnen, was einer Verringerung um rund 16 Prozent entspricht, ohne die strukturellen Leistungskriterien zu verletzen. Diese strukturelle Einsparung führt zu einer dauerhaften Kostensenkung von etwa 10 bis 15 Prozent bei den Plattformkosten, unabhängig von der Marktlage.
KI-Modell zur Prognose volatiler Stahlpreise
Da der Stahlpreis einen erheblichen Unsicherheitsfaktor bei der Investitionsplanung darstellt, entwickelte das Team zudem ein hybrides Prognosewerkzeug. Dieses Modell kombiniert die Methoden XGBoost, das kurzfristige Schwankungen erfasst, mit dem statistischen Modell SARIMAX, das langfristige saisonale Trends abbildet. Durch die Einbeziehung externer Wirtschaftsindikatoren wie Kupfer- und Kohlepreise konnte die Vorhersagegenauigkeit in einem Testzeitraum von 2022 bis 2024 gegenüber Einzelmodellen gesteigert werden. Die Autoren unterstreichen, dass dies Investitionskomitees helfen kann, die finanziellen Risiken bei großskaligen Projekten präziser zu kalkulieren.
Ausblick und Weiterentwicklung
Das neue Framework ist nicht auf eine spezifische Plattform beschränkt und kann auf verschiedene semi-submersible Designs angewendet werden. Die Forscher weisen darauf hin, dass die Methodik künftig durch ortsspezifische Umgebungsdaten weiter verfeinert werden könnte, um die Planungsgenauigkeit für den industriellen Einsatz weiter zu erhöhen. Die Kombination aus technischem Design und datengestützter Marktanalyse könnte einen wichtigen Beitrag dazu leisten, schwimmende Windparks finanziell wettbewerbsfähiger zu gestalten.