Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français fr
CORDIS - Résultats de la recherche de l’UE
CORDIS

An autonomous Real-Time Decision Tree framework for monitoring and diagnostics on wind turbines

Description du projet

Surveillance intelligente de l’état des éoliennes

L’exploitation et la maintenance des éoliennes restent une gageure des plus complexes. Les coûts non planifiés imputables aux pannes représentent plus de la moitié des coûts de maintenance totaux des éoliennes. La surveillance en ligne, les diagnostics et l’analyse des données constituent des outils puissants qui permettent de réduire les coûts de maintenance. Le projet PoC, financé par le CER, a mis au point une plateforme web facile à déployer et à mettre en œuvre destinée à la surveillance et au diagnostic en temps réel, baptisée WINDMIL-RTDT. Cette plateforme met en œuvre différents algorithmes de surveillance de la santé structurelle et modèles d’apprentissage automatique pour détecter les défauts, les anomalies et tout fonctionnement anormal. Une fois formée sur les données liées, la plateforme facilite de manière harmonieuse le déploiement de ces algorithmes sur les données diffusées en direct. WINDMIL-RTDT aide les fabricants et les opérateurs d’éoliennes à quantifier le risque de défaillance future des composants et à en identifier l’origine.

Objectif

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.

Champ scientifique (EuroSciVoc)

Programme(s)

Thème(s)

Régime de financement

ERC-POC - Proof of Concept Grant

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

(s’ouvre dans une nouvelle fenêtre) ERC-2018-PoC

Voir tous les projets financés au titre de cet appel

Institution d’accueil

EIDGENOESSISCHE TECHNISCHE HOCHSCHULE ZUERICH
Contribution nette de l'UE
€ 148 890,00
Adresse
Raemistrasse 101
8092 Zuerich
Suisse
Région
Schweiz/Suisse/Svizzera Zürich Zürich
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total
€ 148 890,00

Bénéficiaires (1)