Automatisiertes Clustering der Schallemissionen von Windenergieanlagen
* Presenting author
Abstract:
Der abgestrahlte Schall von Windenergieanlagen (WEA) wird von den vorherrschenden atmosphärischen Bedingungen sowie den Betriebszuständen der Anlagen stark beeinflusst. Die drei Faktoren – Akustik, Atmosphäre, Windenergieanlage – stehen hierbei in Wechselwirkung zu einander. Die bisherigen Untersuchungen in Bezug auf diese Wechselwirkungen basieren auf einer manuellen Einordnung von Messdatensätzen, welche akustische, meteorologische und anlagenspezifische Größen enthalten. Mit diesem Ansatz können allgemeine Zusammenhänge in der WEA-Schallemission identifiziert werden. Für eine detaillierte Untersuchung sind jedoch automatisierte Methoden des Clusterings notwendig. Hierbei werden mittels eines passenden Clustering Algorithmus Datenpunkte mit ähnlichen Eigenschaften zusammengefasst und Ausreiser identifiziert. Im weiteren Schritt können auf Basis der einzelnen Gruppen detaillierte Analysen durchgeführt werden. In diesem Beitrag wird eine Methode zum automatisierten Clustering von WEA-Schallemissionen vorgestellt und auf umfangreiche Datensätze angewandt. Anhand des k-Means Algorithmus werden akustische Daten in Abhängigkeit von Betriebsparametern in Gruppen eingeteilt. Im Anschluss werden die Zusammenhänge zwischen Betriebsparametern und gemessenen akustischen Größen analysiert. Hierbei werden Schmal- und Breitbandanalysen durchgeführt sowie Gesamtschalldruckpegel betrachtet.