Formålet med kurset er at lære de grundlæggende principper i statistisk modellering i forbindelse med vindenergi. De studerende anvender probabilistiske metoder og machine learning værktøjer til forskellige problemstillinger fra vindenergi. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Gennemføre statistisk analyse af målte vindhastighed tidsserier og mekaniske egenskaber for materialer
• Anvende sandsynlighedsfordelinger og stokastiske variable ved løsningen af ingeniørmæssige problemer
• Definere, kalibrere, og på systematisk vis vurdere statistiske modeller ved hjælp af simple machine learning værktøj.
• Udføre usikkerheds-kvantificering og opformering ved almindeligt anvendte probabilistiske modeller
• Forklare konceptet af risikoanalyse og udføre simple risikobaserede beslutningsanalyser
• Uddrag nyttige indsigter fra data ved at anvende maskinindlæring og beslutningsmodelleringsværktøjer
• Anvende metoder for strukturel pålidelighedsanalyse på simple design-ligninger
• Forklare betydningen af sikkerhedsfaktorer og hvordan man kalibrerer dem ved brug af pålidelighedsmodeller
• Repræsentere grafisk og analysere afhængighederne mellem en vindmølles systemkomponenter ved hjælp af Bayesianske netværk
• Definere omfang, udføre og præsentere løsningen af en probabilistisk opgave relateret til vindenergi

- Introduktion til sandsynlighedsteori i vindenergi fagområdet.
- Stikprøve statistikker. Students t-fordeling. Central grænseværdi sætning. Konfidensintervaller. Bootstrapping metode.
- Statistiske fordelinger: egenskaber, estimering af parametre. Multivariate fordelinger.
- Stokastiske processer. Fordeling af ekstremer. Statistisk ekstrapolation - eksempel med ekstrapolering af ekstreme vindhastigheder og ekstreme laster.
- Design af eksperimenter. Introduktion til machine learning ved brug af regressionmodeller med usikkerhed. Estimering af modelparametre: mindste kvadrater og max-likelihood metoder. Bayesiansk opdatering. Øvelse med machine learning for modeller for estimering af laster.
- Usikkerhedskvantificering. Structurelt design med usikkerheder. Sikkerhedsfaktorer og kalibrering af sikkerhedsfaktorer.
- Grænseværdier. Koncept for strukturel pålidelighedsanalyse. Øvelser med FORM og Monte Carlo metoderne.
- Introduktion til Bayesianske netværk. Øvelse med modellering af gearkasse overvågningssystem.
- Præsentation af de studerendes endelige projekter. Peer diskussioner og forslag til forbedringer.

Kurset begynder med en introduktion til den grundlæggende teori inclusive øvelser. De studerende bliver også introduceret til kravene til det endelige projekt og får adgang til studenterprojekter fra tidligere år. Efter nogle forelæsninger begynder de studerende at arbejde på deres projektopgave, individuelt eller i grupper på 2 til 3. Emnet for opgaven defineres af den studerende sammen med underviser, så det afspejler den studerendes interesser og hjælper med at løse en aktuel teknisk udfordring. Derefter presenteres projektemnerne for de andre kursusdeltagere. Under resten af kurset deltager de studerende sideløbende i forelæsninger og arbejder på deres egne projekter. Ved afslutningen af kurset vil de studerende lave en præsentation af resultaterne af deres projekt, og aflevere en rapport som indholder deres opgaver samt løsninger af de tre udvalgte øvelser. Madsen H.O., Krenk, S., Lind, N. C., Methods of Structural Safety, Dover Publications Inc., Mineola, New York (2006) Der anbefales, at kurset tages i det tredje semester af kandidatstudiet. 01. maj, 2019