Reaktionsschnelle Bereitstellung von Gasturbinen-Lösungen für die Energiewende mittels einer neuartigen, generativen KI-Designkette, Teilvorhaben: KI-gestütztes Design von Turbinenschaufeln

Description: Das Teilvorhaben zielt auf die Entwicklung und Implementierung von Technologien ab, um die Reaktionsgeschwindigkeit von Gasturbinen im Kontext des aktuellen und zukünftigen Energiemixes zu optimieren, was für den Erfolg der Energiewende entscheidend ist. Die Herausforderung besteht darin, schnell Designlösungen anzupassen und zu bewerten, um neue Anforderungen, wie etwa Last- und Brennstoffflexibilität (z.B. H2-Mix), zu erfüllen und gleichzeitig Entwicklungszeiten zu verkürzen. Aktuell sind Finite-Elemente-Analysen (FEA) für die Lebensdauervorhersage von Turbinenschaufeln zeitaufwendig, was eine schnelle Anpassung an geänderte Anforderungen verhindert. Das Projekt adressiert diese Problematik, indem es fortschrittliche Algorithmen, maschinelles Lernen (ML) und optimierte Simulationsmethoden integriert, um die Rechenzeit für FEA signifikant zu reduzieren und genauere Lebensdauervorhersagen zu ermöglichen. Dies beinhaltet das Erstellen von Ersatzmodellen basierend auf neuronalen Netzwerken, die thermomechanische Effekte vorhersagen können und die Berechnungszeit von Tagen auf Minuten reduzieren. Die Hauptziele umfassen die Optimierung der Reaktionsgeschwindigkeit, Effizienzsteigerung der Designprozesse, Reduktion der Rechenzeit, genauere Lebensdauervorhersagen, Erhöhung der Anpassungsfähigkeit, Integration von nichtlinearem Materialverhalten in multidisziplinäre Optimierung und die systematische Bewertung von gefertigten Bauteilen. Risiken des Vorhabens schließen Datenqualität, Modellkomplexität, Integration und Anpassung des ML-Modells, sowie die Notwendigkeit von leistungsfähiger Hardware ein. Datenschutz, Modellvalidierung und -wartung sowie die Abhängigkeit von Expertenwissen sind ebenfalls zu beachten. Öffentliche Förderung ist für die Realisierung des Projekts unerlässlich, um diese Risiken zu minimieren und die ambitionierten Ziele zu erreichen.

SupportProgram

Tags: Energiewende ? Energiemix ? Gasturbine ? Hardware ? Anpassungsfähigkeit ? Künstliche Intelligenz ?

Region: Bavaria

Bounding boxes: 11.5° .. 11.5° x 49° .. 49°

License: Creative Commons Namensnennung-keine Bearbeitung-Nichtkommerziell 4.0

Language: Deutsch

Organisations

• Bundesministerium für Wirtschaft und Energie (Finanzielle Förderung)
• Siemens Energy Global GmbH & Co. KG (Projektverantwortung)
• Umweltbundesamt (Bereitstellung)

Time ranges: 2025-08-01 - 2028-07-31

Alternatives

• Language: Englisch/English
  Title: Sub-project: AI-supported design of turbine blades
  Description: The sub-project aims to develop and implement technologies to optimize the response speed of gas turbines in the context of the current and future energy mix, which is crucial for the success of the energy transition. The challenge is to quickly adapt and evaluate design solutions to meet new requirements, such as load and fuel flexibility (e.g. H2 mix), while shortening development times. Currently, finite element analyses (FEA) for the lifetime prediction of turbine blades are time-consuming, which prevents rapid adaptation to changing requirements. The project addresses this issue by integrating advanced algorithms, machine learning (ML) and optimized simulation methods to significantly reduce the computational time for FEA and enable more accurate lifetime predictions. This includes creating surrogate models based on neural networks that can predict thermomechanical effects and reduce calculation time from days to minutes. The main objectives include optimizing response speed, increasing efficiency of design processes, reducing computation time, more accurate lifetime predictions, increasing adaptability, integrating nonlinear material behavior into multidisciplinary optimization and systematic evaluation of manufactured components. Risks of the project include data quality, model complexity, integration and adaptation of the ML model, as well as the need for powerful hardware. Data protection, model validation and maintenance as well as the dependence on expert knowledge must also be taken into account. Public funding is essential for the realization of the project in order to minimize these risks and achieve the ambitious goals. https://ufordat.uba.de/UFORDAT/pages/PublicRedirect.aspx?TYP=PR&DSNR=1139343

Status

Aktiv

Quality score

• Overall: 0.50
• Findability: 0.67

  • Title: 1.00
  • Description: 0.03
  • Identifier: false
  • Keywords: 1.00
  • Spatial: RegionIdentified (1.00)
  • Temporal: true
• Accessibility: 0.67

  • Landing page: Specific (1.00)
  • Direct access: false
  • Publicly accessible: true
• Interoperability: 0.00

  • Open file format: false
  • Media type: false
  • Machine-readable metadata: false
  • Machine-readable data: false
• Reusability: 0.67

  • License: ClearlySpecifiedAndFree (1.00)
  • Contact info: false
  • Publisher info: true

Accessed 1 times.