Descrizione del progetto
Monitoraggio intelligente delle condizioni delle turbine eoliche
Il funzionamento e la manutenzione delle turbine eoliche non sono un compito facile. I costi imprevisti dovuti a guasti costituiscono più della metà dei costi totali di manutenzione delle turbine eoliche. Il monitoraggio, la diagnostica e l’analisi dei dati online costituiscono strumenti potenti per ridurre i costi di manutenzione. Il progetto PoC, finanziato dal CER, ha sviluppato una piattaforma sul web facile da far funzionare per il monitoraggio e la diagnostica in tempo reale, denominata WINDMIL-RTDT. La piattaforma applica diversi algoritmi di monitoraggio strutturale e modelli di apprendimento automatico per rilevare guasti, anomalie e funzionamento anomalo. Una volta addestrata sui dati collegati, la piattaforma agevola l’applicazione senza interruzioni di questi algoritmi sui dati trasmessi in diretta. WINDMIL-RTDT aiuta i produttori e gli operatori di turbine eoliche a quantificare il rischio di futuri guasti ai componenti e a risalire alla causa principale del guasto.
Obiettivo
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.
Campo scientifico
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
Programma(i)
Argomento(i)
Meccanismo di finanziamento
ERC-POC - Proof of Concept GrantIstituzione ospitante
8092 Zuerich
Svizzera