WACE - Wave energy AI-based Control Enhancement
| Diarienummer | |
| Koordinator | Corpower Ocean AB |
| Bidrag från Vinnova | 1 505 628 kronor |
| Projektets löptid | november 2024 - februari 2026 |
| Status | Avslutat |
| Utlysning | Avancerad digitalisering - Möjliggörande tekniker |
| Ansökningsomgång | Avancerad och innovativ digitalisering 2024 - ettåriga projekt |
Viktiga resultat som projektet gav
Målet med projektet var att förbättra prestandan hos en vågenergikonverter genom att använda reinforcement learning för att vidareutveckla CorPower Oceans proprietära styrstrategi. Strategin implementerades effektivt med hjälp av open‑source‑paket utvecklade av University of Freiburg och Norges teknisk-naturvitenskapelige universitet (NTNU). Den färdiga controller‑lösningen visade tydliga förbättringar i både energiupptag och robusthet under varierande driftsförhållanden.
Långsiktiga effekter som förväntas
Projektet har demonstrerat en betydande förbättring i energiupptag över flera driftfall för WEC:n, verifierat genom model‑in‑the‑loop‑tester. Mer arbete krävs innan full implementering i den faktiska WEC:n är möjlig, men resultaten visar tydligt att detta angreppssätt har stor potential att sänka den levelised cost of energy (LCOE) för vågenergisystem. Detta kan i sin tur påskynda kommersialiseringen av vågkraft och bidra till att minska koldioxidutsläppen i energisystem världen över.
Upplägg och genomförande
Utvecklingen av den AI‑förstärkta styrstrategin organiserades i fyra arbetspaket. Projektet inleddes med att definiera krav för styrsystemet och att etablera en gemensam GitLab‑miljö för att stödja samarbete och versionshantering. Huvudmålet – att förbättra en befintlig MPC‑strategi med hjälp av RL – uppnåddes och demonstrerades genom MIL‑tester. Regelbundna uppföljningsmöten hölls under hela projektet för att säkerställa kontinuerlig samordning mellan parterna.