Прогнозирование ветряных турбин - Wind turbine prognostics

Ранние маломасштабные береговые ветряные турбины

Растущий спрос на возобновляемые источники энергии привел к глобальному внедрению и быстрому расширению ветряная турбина технологии. Ветряные турбины обычно рассчитаны на 20-летний срок службы.[1]однако из-за сложной нагрузки и окружающей среды, в которой они работают, ветряные турбины редко работают до этого возраста без значительного ремонта и обширного обслуживания в течение этого периода.[2]. Чтобы улучшить управление ветряными электростанциями, все чаще профилактическое обслуживание в отличие от планового и реактивного обслуживания, чтобы уменьшить время простоя и потеряли производство. Это достигается за счет использования систем прогнозного мониторинга / управления.

Типичная архитектура ветряных турбин состоит из множества сложных систем, таких как многоступенчатая планетарные редукторы, гидравлические системы и множество других электромеханических приводов. Из-за масштабов некоторых механических систем и удаленности некоторых участков ремонт ветряных турбин может быть непомерно дорогим и трудным для координации, что приводит к длительным периодам простоя и производственным потерям.

Ожидается, что в ближайшие годы типичная мощность ветряных турбин превысит 15 МВт.[3] Ожидается, что в сочетании с недоступностью оффшорных ветряных электростанций прогнозный метод использования станет еще более распространенным в отрасли.

Современная крупномасштабная морская ветряная электростанция

Прогнозирование ветряных турбин также называется управлением состоянием активов, мониторингом состояния или управлением состоянием.

История

Ранние маломасштабные ветряные турбины были относительно простыми и, как правило, оснащались минимальными приборами, необходимыми для управления турбиной. В дизайне не было особого внимания к обеспечению длительной эксплуатации относительно инфантильной технологии. Основные неисправности, приводящие к простою турбины, обычно связаны с трансмиссией или системой шага.[4].

Замена редуктора ветряной турбины

Было быстрое развитие технологии ветряных турбин. По мере роста мощности, сложности и стоимости турбин произошли значительные улучшения в сложности контрольно-измерительной аппаратуры, установленной на ветряных турбинах, что позволило создать более эффективные системы прогнозирования на новых ветряных турбинах. В ответ наблюдается растущая тенденция модернизация аналогичные системы на существующих ветряных турбинах для эффективного управления устаревшими активами.

Прогностические методы, позволяющие профилактическое обслуживание, были обычным явлением в некоторых отраслях промышленности на протяжении десятилетий, например Аэрокосмическая промышленность и другие промышленные применения. Поскольку стоимость ремонта ветряных турбин увеличилась по мере усложнения конструкции, ожидается, что отрасль ветряных турбин примет ряд прогнозных методов и экономических моделей из этих отраслей, таких как почасовая мощность подход к обеспечению доступности[5].

Сбор данных

Методы прогнозирования ветряных турбин можно условно разделить на две категории:

  • SCADA основан
  • На основе вибрации

Большинство ветряных турбин оснащены различными приборами от производителя. Однако обычно это ограничивается параметрами, необходимыми для работы турбины, условиями окружающей среды и привод температуры[6]. Этот подход к прогнозированию турбин на основе SCADA является наиболее экономичным подходом для более элементарных конструкций ветряных турбин.

Для более сложных конструкций со сложной трансмиссией и системами смазки ряд исследований продемонстрировал ценность систем прогнозирования вибрационного мониторинга и мониторинга масла.[7]. Сейчас они широко доступны в продаже.

Анализ данных

Как только данные будут собраны на борту получение данных систем, это обычно обрабатывается и передается на наземные или облако на базе системы хранения данных.

Исходные параметры и производные индикаторы состояния обычно изменяются во времени. Из-за природы неисправностей трансмиссии они обычно анализируются в частотная область для диагностики неисправностей[8].

GHE может быть создан из ветряная турбина SCADA (Диспетчерский контроль и сбор данных), интерпретируя производительность турбины как ее способность вырабатывать электроэнергию в динамических условиях окружающей среды. Сначала в качестве входных данных выбираются скорость ветра, направление ветра, угол тангажа и другие параметры. Затем для создания базовой модели используются два ключевых параметра, характеризующие выработку энергии ветра, скорость ветра и фактическую выходную мощность, собранные, когда турбина, как известно, работает в номинальных нормальных условиях. Когда поступают данные в реальном времени, те же параметры используются для моделирования текущей производительности. GHE получается путем вычисления расстояния между новыми данными и их базовой моделью.

Анализируя тенденции GHE с течением времени, можно сделать прогноз производительности, когда доход от единицы упадет ниже заранее определенного порога безубыточности. Техническое обслуживание должно быть инициировано и направлено на компоненты с низкими значениями LDE. LDE вычисляется на основе измерений от контроль состояния система (CMS) и SCADA, и используется для обнаружения и диагностики начинающегося отказа на уровне компонентов.

Машинное обучение также используется для сбора и анализа огромных объемов данных, таких как вибрация, температура, мощность и другие, от тысяч ветряных турбин несколько раз в секунду для прогнозирования и предотвращения отказов.[9]

Смотрите также

Рекомендации

  1. ^ «Руководство по сертификации DNV». DNV GL. 2010.
  2. ^ «Почему редукторы ветряных турбин не достигают 20-летней отметки». Ветроэнергетика и разработка. Получено 2020-02-19.
  3. ^ "Ветровая техника нового поколения". Energy.gov. Получено 2020-02-19.
  4. ^ "Энциклопедия отказов ветряных турбин". ONYX InSight. Получено 2020-02-19.
  5. ^ «Снижение сложности обслуживания ветряных турбин». ONYX InSight. 2019-06-24.
  6. ^ ORE Catapult (Великобритания). «Методы мониторинга состояния ветряных турбин» (PDF). Рудная катапульта.
  7. ^ Гарсиа Маркес, Фаусто Педро; Тобиас, Эндрю Марк; Пинар Перес, Хесус Мария; Папаэлиас, Майоркинос (01.10.2012). «Мониторинг состояния ветряных турбин: методы и методы». Возобновляемая энергия. 46: 169–178. Дои:10.1016 / j.renene.2012.03.003. ISSN  0960-1481.
  8. ^ «Диагностика машин». ONYX InSight. Получено 2020-02-19.
  9. ^ "Neurale netværk kan forudsige, hvornår møllens tandhjul knækker". Версия2 /Ingeniøren. 2016-11-19. Получено 19 ноября 2016.