Wspieranie wykorzystania morskiej energii wiatrowej dzięki cyfryzacji i analizie danych
Morska energia wiatrowa będzie odgrywać kluczową rolę w ekologicznej transformacji europejskiego sektora energetycznego, która ma przynieść zwiększenie wykorzystania odnawialnych źródeł energii i redukcję emisji CO2. Unia Europejska zaplanowała zwiększenie mocy morskich elektrowni wiatrowych z obecnego poziomu 12 gigawatów (GW) do przynajmniej 60 GW do 2030 r. i do 300 GW do 2050 r. Wykorzystanie morskiej energii wiatrowej na masową skalę pomoże zrealizować cel UE związany z osiągnięciem neutralności klimatycznej do 2050 r. oraz przyczyni się do wzrostu gospodarczego i tworzenia miejsc pracy w całym łańcuchu dostaw energii odnawialnej. Według Międzynarodowej Agencji Energetycznej najważniejsze kwestie, które wymagają poprawy, by umożliwić szybkie zwiększenie wykorzystania energii wiatru na morzu, to doskonalenie technologii i obniżanie kosztów. W ramach finansowanego przez UE projektu ROMEO opracowano system wspomagania decyzji, by zredukować koszty obsługi i utrzymania z wykorzystaniem technologii monitorowania stanu, dużych zbiorów danych, uczenia maszynowego i analityki opartej na chmurze.
Zaawansowane wspomaganie decyzji oparte na kompleksowym modelowaniu
Monitorowanie stanu konstrukcji turbin wiatrowych nie jest nowym pomysłem. Jednak, jak mówi César Yanes, uczestnik projektu Iberdrola Renewable Energy i koordynator projektu ROMEO, dotychczas spora część wartościowych informacji zawartych w danych pochodzących z systemów monitorowania stanu (ang. condition monitoring system, CMS) nie była wykorzystywana. Optymalizacja sposobu gromadzenia i analizowania danych w dużej mierze zależy od modeli, które precyzyjnie opisują i przewidują zdarzenia, a także wykrywają nieprawidłowości. Modele takie są kluczowym rezultatem projektu. Opracowane w ramach projektu analizy rodzajów i skutków błędów oraz ich krytyczności zaczynają przynosić informacje na temat awarii krytycznych, które można oceniać w odniesieniu do kosztów, częstotliwości lub problemów związanych ze stanem konstrukcji i bezpieczeństwem. Naukowcy przygotowali modele fizyczne i modele oparte na uczeniu maszynowym, które odwzorowują główne elementy turbiny (przekładnia, łożysko główne, łożysko łopat, generator, transformator i przekształtnik), umożliwiając diagnostykę, prognostykę i wczesne wykrywanie awarii. Modele strukturalne posłużą także do oceny zmęczenia materiału i wykrywania uszkodzeń w fundamentach turbin wiatrowych. Pomimo konieczności przestrzegania surowych wymogów w zakresie zachowania poufności, współpraca w ramach projektu ROMEO zaowocowała przygotowaniem nieplanowanych wcześniej modeli, funkcji analitycznych i scenariuszy. Modele umożliwiają wykrywanie usterek z wyprzedzeniem, zaś funkcje analityczne pomagają operatorom i specjalistom ds. utrzymania w podejmowaniu bardziej trafnych decyzji, przyczyniając się do obniżenia kosztów. Niektóre modele zostały już dostosowane do potrzeb lądowych farm wiatrowych – prace nad tym zagadnieniem będą prowadzone w najbliższych miesiącach.
Wspomaganie decyzji w oparciu o przetwarzanie brzegowe i chmurowe
W ramach projektu ROMEO opracowano kompleksową infrastrukturę danych, by scalić dane operacyjne pochodzące z różnych źródeł w trzech pilotażowych farmach wiatrowych: Wikinger w Niemczech oraz Teesside i East Anglia ONE w Zjednoczonym Królestwie. „Nasza infrastruktura danych zapewnia zgodność z modelami, które interpretują informacje. Stanowi ona połączenie między systemami nadzoru i akwizycji danych farmy wiatrowej, systemami CMS oraz innymi źródłami danych – w tym nowo wdrożonym przetwarzającym urządzeniem brzegowym – a chmurą IBM. Modele, które działają w środowisku chmurowym, przekazują wyniki obliczeń do intuicyjnej platformy zarządzania informacjami, by poprawić trafność podejmowanych decyzji”, wyjaśnia Yanes. Zespół projektu ROMEO wykorzystał duże zbiory danych, uczenie maszynowe, chmurę obliczeniową oraz urządzenia brzegowe, by utworzyć system CMS nowej generacji, wyposażony w intuicyjną platformę zarządzania informacjami. Oparte na holistycznym podejściu technologie i narzędzia analityczne wspomogą przejście od przeglądów planowanych i naprawczych do konserwacji zależnej od stanu, zmniejszając jednocześnie liczbę nieoczekiwanych, poważnych awarii i gwarantując lepsze planowanie logistyczne. Wstępne wyniki wskazują znaczną redukcję kosztów obsługi i utrzymania, co powinno przyczynić się do zwiększenia liczby elektrowni wiatrowych i zmniejszenia kosztów energii ponoszonych przez klientów.
Słowa kluczowe
ROMEO, chmura, farmy wiatrowe, brzeg sieci, CMS, uczenie maszynowe, monitorowanie stanu, duże zbiory danych, obsługa i utrzymanie
