Wir suchen zum nächstmöglichen Zeitpunkt einen Student/eine Studentin für ein Abschlussarbeits-/Praktikumsprojekt zum Thema
„Validation of long-range lidar measurements with machine learning (clustering) techniques“
bei ForWind Oldenburg am Institut für Physik der Carl von Ossietzky Universität Oldenburg.
Beginn: Flexibel
Dauer: 3 Monate
Standort: ForWind Uni Oldenburg (Gebäude W33)
Betreuung: Arjun Anantharaman
Forschungsgruppe Windenergiesysteme
ForWind – Universität Oldenburg
Kontakt: Arjun.anantharaman@uol.de
Beschreibung:
Die vom Doppler Lidar gewonnenen Daten werden in der Verarbeitungsphase hauptsächlich auf der Grundlage des Träger-Rausch-Verhältnisses (CNR) gefiltert. Die zum Herausfiltern „ungültiger“ Datenpunkte gewählte Methode kann gültige Daten ausschließen und unnötige Datenverluste verursachen. Moderne Filtertechniken verwenden eine Datendichte oder einen Clustering-Ansatz, um mehr Punkte in den Regionen mit niedrigerem CNR beizubehalten. Neuere Filtertechniken wie OPTICS4 zielen darauf ab, die Methodik weiter zu automatisieren und dabei die Recheneffizienz und Datenerhaltung zu verbessern. Wir verfügen über Messungen von zwei Langstrecken Lidar, von denen einer aufgrund seiner höheren Leistung bei größeren Entfernungen als Validierungsquelle für den anderen verwendet wird. Die Aufgaben bestehen darin, die Daten der Messkampagne zu sortieren und zu charakterisieren, bestehende Filtermethoden anzuwenden, um eine gute Vergleichsmetrik für räumliche Windfelder zu erstellen und schließlich die DBSCAN- und OPTICS-Algorithmen zu testen und zu verbessern.
Ziele des Projekts:
- Erlernen der Verarbeitung von Lidar-Daten – flache Plan-Positions-Indikator (PPI)-Scans und Einarbeitung in die Analyse
- Bestehende und neuere Methoden der Datenfilterung verstehen – auch neue Methoden ausprobieren und implementieren und sie an den aktuellen Datensatz in Matlab/Python anpassen
- Vergleich der Auswirkungen der verschiedenen Ansätze auf die Geschwindigkeitsstatistik und Validierung der Filtermethoden
Voraussetzungen: Kenntnisse in Windenergie und Physik, Erfahrung in Matlab/Python, hohe Motivation und die Bereitschaft zu eigenständiger Forschung.
