Projektbeschreibung
Intelligente Zustandsüberwachung von Windkraftanlagen
Der Betrieb und die Wartung von Windkraftanlagen ist keine leichte Aufgabe. Mehr als die Hälfte der gesamten Wartungskosten von Windkraftanlagen sind ungeplant und durch Ausfälle bedingt. Online-Überwachung, Diagnose und Datenanalyse stellen wirksame Instrumente zur Senkung der Wartungskosten dar. In diesem ERC-finanzierten Projekt PoC wurde eine einfach zu implementierende webbasierte Plattform für die Überwachung und Diagnose in Echtzeit entwickelt, die als WINDMIL-RTDT bezeichnet wird. Die Plattform nutzt verschiedene Algorithmen zur Überwachung des Strukturzustands sowie maschinelle Lernmodelle zur Erkennung von Fehlern, Unregelmäßigkeiten und anormalem Betrieb. Nach dem Training im Hinblick auf die verknüpften Daten ermöglicht sie den nahtlosen Einsatz dieser Algorithmen bei der Live-Übertragung von Daten. WINDMIL-RTDT unterstützt Hersteller und Betreiber von Windkraftanlagen bei der Quantifizierung des Risikos zukünftiger Komponentenausfälle und bei der Rückverfolgung der Fehlerursache.
Ziel
Operation & Maintenance (O&M) costs may account for 30 % of the total cost of energy for offshore wind power. Alarmingly, only after a few years of installation, offshore wind turbines (WT) may need emergency repairs. They also feature an extremely short lifespan hindering investments to green energy, effectively designed to reduce CO2 emissions.
We have designed real-time monitoring and diagnostics platform in the context of operation and maintenance scheduling of WT components. Using this architecture, we can quantify the risk of future failure of a given component and trace back the root-cause of the failure. This is business-critical information for Energy Companies and Wind Farm Operators.
The platform consists of an autonomous software-hardware solution, implementing an Object Oriented Real-Time Decision Tree learning algorithm for smart monitoring and diagnostics of structural and mechanical WT components. The innovative concept lies in running WT telemetry data through a machine learning based decision tree classification algorithm in real-time for detecting faults, errors, damage patterns, anomalies and abnormal operation. We believe our innovation creates evident value and will raise great interest as decision-support tool for WT manufacturers, Wind Farm Operators, Service Companies and Insurers.
In this project, we will carry out pre-commercialisation actions to position ourselves in the market, provide unique selling proposition for future customers as well as raise interest among potential R&D collaborators and pilot customers. We will also establish technology proof of concept for the platform. For the first time, we are applying our design in difficult-to-access energy infrastructure installations and deploying it on a real-world prototype wind turbine. The project will be carried out with technical and commercialisation support from key players within the wind energy industry.
Wissenschaftliches Gebiet
Programm/Programme
Thema/Themen
Finanzierungsplan
ERC-POC - Proof of Concept GrantGastgebende Einrichtung
8092 Zuerich
Schweiz