www.technologieenindustrie.com
30
'26
Written on Modified on
Thermische Camerabewaking voor Vogeldetectie bij Offshore Windturbines
Vattenfall test een optisch detectiesysteem met thermische camera's en kunstmatige intelligentie op Hollandse Kust Zuid om vogelbewegingen en aanvaringen continu te registreren.
group.vattenfall.com

Bij de exploitatie van offshore windparken ontbreekt het vaak aan empirische data over de interactie tussen trekkende vogelpopulaties en roterende turbinebladen onder zware maritieme omstandigheden. Waar karkasonderzoek op land direct uitsluitsel geeft over aanvaringsfrequenties, verdwijnen slachtoffers op zee direct in het water door stroming en golfslag, waardoor milieueffectrapportages en risicomodellen decennialang moesten leunen op theoretische aannames en daglichtopnamen. Om dit operationele kennishiaat aan te pakken, installeerde Vattenfall in samenwerking met Wageningen Environmental Research en technologieontwikkelaar Wildlife Imaging Systems een autonoom monitoringsysteem met thermische sensoren op een turbine van het windpark Hollandse Kust Zuid in de Noordzee.
Sensorarchitectuur en Geautomatiseerde Beeldherkenning
Het monitoringsysteem is ontworpen om continue detectie te garanderen onder nul-zichtomstandigheden, dichte mist, regenval en duisternis. De hardwareconfiguratie rond de turbine omvat zestien thermische infraroodcamera's die het rotorgebied vanuit meerdere hoeken registreren:
- Twaalf sensoren zijn naar buiten en omlaag gericht onder het rotorvlak om vallende objecten en neerwaartse trajecten te registreren.
- Vier sensoren zijn opwaarts gericht naar de rotortop om directe bewegingen rond de turbinebladen vast te leggen en mogelijke aanvaringen te verifiëren.

In tegenstelling tot conventionele vogelradarsystemen, die weliswaar grote volumes op macro-afstand detecteren maar de directe interactie rond de turbinebladen niet nauwkeurig scheiden, analyseert het optische systeem de directe omgeving van de machinegondel en de wieken. Algoritmen voor machine vision en machine learning verwerken de binnenkomende videostromen lokaal om bewegingssporen automatisch te filteren en te classificeren.
Empirische Resultaten en Aanvaringsanalyse op Hollandse Kust Zuid
Gedurende een testfase van negen maanden legde het platform circa 1,34 miljoen videobestanden van vijf minuten vast. Binnen de 1,4 miljoen geregistreerde objectbanen classificeerde de software 21 procent als vogelbewegingen, terwijl de overige trajecten werden toegeschreven aan insectenpopulaties of overvliegende vliegtuigen. Tijdens migratiepieken in het voor- en najaar overschreed de vogelactiviteit 4.000 vogel-seconden per uur binnen het bewaakte volume rond de rotor.
Om aanvaringen te verifiëren, onderzochten biologen van Wageningen University & Research en experts van Wildlife Imaging Systems 782 neerwaartse banen via een gestandaardiseerd inspectieprotocol. Analyse van synchrone opwaartse beelden, afwezigheid van actieve vleugelslag, tuimelende bewegingen en fragmentatie leidde tot de identificatie van 22 potentiële aanvaringsgebeurtenissen. Hiervan werden twee incidenten definitief bevestigd als aanvaring en één geclassificeerd met een hoge mate van waarschijnlijkheid. Opvallend is dat de geregistreerde aanvaringen voornamelijk plaatsvonden tijdens perioden met een lage migratiedichtheid, wat erop wijst dat meteorologische factoren zoals zicht en windsnelheid een doorslaggevendere invloed hebben op het risicoprofiel dan uitsluitend de dichtheid van de vogeltrek.

Sturing van Mitigatiemaatregelen en Natuurinclusieve Exploitatie
De verzamelde sensordata levert concrete empirische parameters voor wettelijke stilstandvoorzieningen in het Nederlandse Noordzeesector. Huidige beheerprotocollen schrijven voor dat turbines tijdens piekmigratie preventief worden stilgezet of in snelheid worden teruggebracht om populaties zangvogels te ontzien. Betrouwbare correlaties tussen werkelijke aanvaringen, turbineomwentelingen en weersomstandigheden stellen exploitanten en overheden in staat om stilstandregelingen gerichter te activeren, waardoor onnodig productieverlies van hernieuwbare elektriciteit wordt voorkomen terwijl migrerende fauna effectief wordt beschermd.
Aanvullende Context:
Deze sectie bevat technische specificaties en concurrentiebenchmarks die niet in de oorspronkelijke productaankondiging waren opgenomen.
De monitoring van fauna bij offshore windparken steunt van oudsher op twee gangbare technologiefamilies: maritieme vogelradars en optische multisensorsystemen. Radarsystemen, zoals de Robin Radar Max of Merlin Avian Radar, leveren driedimensionale vliegbanen over een bereik van enkele kilometers rondom het windpark, maar ontberen de ruimtelijke resolutie om mechanische bladinslagen te verifiëren of specifieke vogelsoorten optisch te identificeren. Camera-gebaseerde detectieplatforms zoals het Spoor AI-systeem of IdentiFlight combineren optische RGB- en thermische LWIR-sensoren (Long-Wave Infrared) met neurale netwerken om vlieghoogtes en vogelbanen in realtime te modelleren en waar nodig automatische turbineselectieve stilstand te initiëren.
Thermische camerasystemen zoals die van Wildlife Imaging Systems opereren primair in het spectrale infraroodbereik van 8 tot 14 micrometer, waardoor detectie onafhankelijk blijft van externe lichtbronnen en zonreflecties op het wateroppervlak. Door de combinatie van sensoren met een hoge framerate en lokale edge computing verwerkt de software snelle objectbewegingen zonder vertraging. In vergelijking met eerdere onderzoeken bij het Britse Thanet-windpark (zes aanvaringen gedurende twee jaar monitoring) en validaties bij Aberdeen Offshore Wind Farm, bevestigen de metingen op Hollandse Kust Zuid dat continue optische detectie direct bij de rotorbladen de discrepantie verkleint tussen theoretische botsingsmodellen (zoals het Band-model) en feitelijke maritieme aanvaringsstatistieken.
Bewerkt door Natania Lyngdoh, redacteur bij Induportals, met hulp van AI.
www.group.vattenfall.com

