Cookies på SKF's websted

SKF bruger cookies på vores websteder til at tilpasse de viste oplysninger, så de er så tæt som muligt på vores besøgendes præferencer, f.eks. valg af land og sprog. Vil du acceptere SKF's cookies?

Will you accept SKF cookies?

En statistisk tilgang forbedrer fjerntilstandsovervågning af vindmølleparker

  • Historie

    2016 oktober 14, 10:00 CEST

    Fabrice Drommi, Machine Health Business Development for Renewable Energy hos SKF, forklarer, hvordan SKF's Remote Diagnostic Services kan forbedre vindmølleparkers effektivitet

    Der er betydelige omkostninger forbundet med at drive og vedligeholde landvindmølleparker i Europa. Ifølge den europæiske vindenergisammenslutning, EWEA, tegner drifts- og vedligeholdsomkostninger sig for omkring 20 % af de normaliserede omkostninger ved produktion af energi (LCOE, Levelized Cost of Energy) for landvindmølleparker. Derfor er ethvert tiltag, der kan reducere disse omkostninger, direkte ensbetydende med et forbedret afkast for investorer.

    Det vil dog ikke sige, at ejere af aktiver kan spare på drifts- og vedligeholdsomkostningerne. Utilstrækkelig drift og vedligehold kan medføre, at mindre fejl eller defekter ikke opdages. Det påvirker ikke kun ydelsen, men kan også medføre omfattende komponentfejl, der potentielt kan føre til dyre reparationer og længerevarende nedetid.

    Drift og vedligehold bliver vigtigere og vigtigere for vindmøllebranchen. På grund af øget sandsynlighed for komponentfejl og for, at der vil opstå defekter efter udløb af producentens garantiperiode, øges vigtigheden af og omkostningerne forbundet med drift og vedligehold, jo længere tid der går fra ibrugtagningstidspunktet. Hvis man antager, at omkring 75 % af alle landvindmøller i Europa har været i drift i mindre end 10 år, bliver relevansen af dette problem større og større.

    Som en af de førende leverandører til vindenergisektoren fremstiller SKF utallige komponenter, herunder forskellige lejer til transmission og løsninger til smøring og tætning. Men vores ekspertise stopper ikke her. For 10 år siden udviklede SKF et vibrationsovervågningssystem og åbnede et center for fjernovervågning. Tilstandsovervågning er den proces, hvorved man fastslår en maskines tilstand, mens den er i drift. Nøglen til et succesfuld tilstandsovervågningsprogram er bl.a., at man ved, hvad man skal lytte efter, hvordan man skal fortolke denne viden, og hvornår den skal anvendes. Tilstandsovervågningssystemer/Condition Monitoring Systems (CMS) hjælper ikke kun vindmølleparkernes operatører med at mindske risikoen for katastrofale fejl, men gør det også muligt for dem at bestille dele i forvejen, planlægge medarbejder- og maskinressourcer samt andet reparationsarbejde, der skal udføres i løbet af maskineriets nedetid.

    Med vores tilknyttede serviceydelser inden for software og overvågning skal der ikke bruges andet end en internetforbindelse for at implementere et forebyggende vedligeholdsprogram i verdensklasse til periodisk og kontinuerlig overvågning af vindmøller. SKF Remote Monitoring Services benytter SKF's værktøjer til tilstandsovervågning såsom onlinesystemet SKF IMx, der er et system til indsamling af data, som er specialudviklet til vindmøller. Baseret på resultaterne analyserer eksperter dataene og bruger internettet til at kommunikere, hvordan maskinens tilstand skal håndteres, så det er muligt at træffe beslutninger på et velinformeret grundlag.

    Dog skifter tiderne for tilstandsovervågningssystemer på grund af forbedret teknologi og kommunikation. For at opnå forbedret drift er det nødvendigt for operatører at skifte vedligeholdsstrategi fra en planlagt model til en forebyggende model.
    På grund af en stigning i antallet af vindaktiver, der skulle overvåges, kombineret med en stigning i den mængde data, der skulle indsamles, blev SKF for flere år siden nødt til at finde en måde at forbedre processens effektivitet på. Vi skulle opfinde nye måder at behandle data på, og derfor begyndte vi at bruge statistiske teknikker.

    Men mængden af data, der indsamles fra en stor vindmøllepark, er overvældende. Som tommelfingerregel er der omkring 8 sensorer på en vindmølle med gear, som hver især foretager cirka tre målinger, dvs. 24 indikatorer i alt, hvor én indikator er ét spektrum og én overordnet værdi. Denne information indsamles af tilstandsovervågningshardwaren og sendes over internettet – enten kabeltilsluttet eller trådløst – til en CMS-server, der kan være placeret et hvilket som helst sted i verden.

    I løbet af ét år, hvor der gennemsnitligt foretages ét download om dagen, har vi tæt på 9.000 spektre at analysere. Hvis man forestiller sig omfanget i en vindmøllepark, der kan indeholde hundredvis af vindmøller, er det fuldstændig umuligt at lave analyser uden at bruge statistiske modeller.
    Denne datamængde betyder, at vi nu bliver nødt til at bruge statistiske data. Disse bruges til at sammenligne vindmøllerne med hinanden, så vidt det er muligt under hensyntagen til forskelle som placering og modeller. Først sammenligner vi det, der kan sammenlignes, og derefter bruger vi de historiske data, vi har samlet i løbet af de 10 år, hvor vi har overvåget forskellige modeller af vindmølleparker. Baseret på denne datahistorik og afhængigt af vindmølletype bruger vi dette som baggrund for den nye maskine, som vi begynder at overvåge.

    Selv før vi begyndte at bruge statistiske værktøjer var det unikt at anvende tilstandsovervågningssystemer i vindmølleparker – på grund af de begrænsninger, der var forbundet med at anvende traditionelle teknikker fra andre brancher. Vindmøllen er en kompliceret maskine, der har mange variabler. I modsætning til andre brancher kan vi ikke anvende én model for alarmniveau på alle maskiner; desværre fungerer det ikke på den måde. Så vi blev nødt til at udvikle individuelle alarmmodeller, der gør det muligt for os hurtigt at sammenligne maskiner, som er sammenlignelige. Men at forsøge at gøre dette uden vejledning fra statistik vil gøre det umuligt at filtrere og udvælge inden for et rimeligt tidsinterval.

    En yderligere fordel kommer fra den voksende pool af historiske data. Disse historiske data er ekstremt nyttige, især hvis de dækker hele enhedens livscyklus fra installationstidspunktet. Desværre er dette ikke altid tilfældet. Selv om et stigende antal vindmøller er fabriksmonterede med overvågningsteknologi, kræver en stor del af den eksisterende flåde eftermontering. Dette sker traditionelt tæt på garantiperiodens udløb, eller når operatøren eller serviceleverandøren ønsker at forny servicekontrakten.

    Det er imidlertid afgørende, at man vælger de rette kinematiske data til analyse for at kunne forbedre processens nøjagtighed. Systemet har nogle funktioner, der gør det muligt at scanne for potentielle teoretiske standarder. For at foretage denne automatiske scanning skal man kunne stole på den faktiske information om typen af komponenter i systemet. Hvert gear har sin egen teoretiske frekvens, så uden et vist niveau af sikkerhed for kinematikken inde i vindmøllen bliver man nødt til at stole på forudsætninger, hvilket vil kræve mere input fra analytikeren.

    Men takket være vores omfattende historiske database har vi i dag en god forståelse af og en god baggrundsviden om komponenterne inde i gearkassen og generatoren. Vores erfaring fortæller os, at ikke alle komponenter i vindmøller kræver samme ekspertiseniveau for at blive analyseret. At registrere et problem med et generatorleje er ret nemt, men med planetlejer og -gear er det meget mere problematisk. Vi har udviklet bestemte algoritmer, der er virkelig fokuserede på detektering af selve planetgearene med en specifik algoritme.

    Det endelige mål er hurtigt at kunne identificere, hvilken vindmølle i flåden der har behov for yderligere analyse. Den statistiske tilgang er et supplement til den traditionelle diagnostik for hurtigt at kunne finde den, så det bliver muligt at identificere vindmøller med potentielle problemer. Og på disse vindmøller bliver specialisterne nødt til at bruge noget tid på at kigge efter vibrationssignalerne for at fastslå problemerne.

    Målet nu er at udvide flådeanalysens perspektiv inden for den globale baggrund, som vi har opbygget på basis af mere end 2000 vindmøller, der er analyseret af SKF. For at opnå dette vil en statistisk model blive opbygget på basis af vibrationssammenligninger for hver vindmøllemodel og deres komponenter alt efter deres forskellige lokationer og belastningsforhold.
    Dette gøres ved at forbedre processen gennem afholdelse af regelmæssige workshops for specialister, hvor man kan udveksle problemer og dele ideer til forbedring, så der dannes et globalt netværk inden for CMS på vindområdet.

    Så hvad får operatørerne ud af dette? Det gør det muligt for os at skræddersy alarmerne, så de kun modtager information om et problem, der sandsynligvis kan have en negativ indvirkning på ydeevnen, uden at operatøren bliver forstyrret af falske alarmer eller unødvendig information.

    Hvad angår fremtiden, vil nøjagtigheden og omfanget af CMS fortsætte med at udvikle sig, og vi vil fortsat udvide grænserne for teknologien. Et af de næste trin vil være at integrere alle de relevante informationskilder som f.eks. temperatur og procesparametre og tilføje disse til den diagnostik, som vibration tillader.

    De øvrige tendenser er, at det er muligt at knytte de pågældende CMS-data sammen med et andet mere holistisk system for at muliggøre bedre korrelation. Dette er en stor motivationsfaktor fra vindmølleproducenterne, men som altid kommer det an på omkostningerne. På grund af den store volumen af vindmøller er der et stort pres på at sænke omkostningerne. Vores mål er at gøre teknologien mere prisvenlig.

    Efter 10 år med vibrationsovervågning kan vi forbedre tilgængeligheden af vindaktiverne med 1 % samtidig med, at vi reducerer drifts- og vedligeholdsomkostningerne med 2 %. Ved at udnytte SKF's statistisk baserede CMS kan operatører spare helt op til € 5.000 pr. år pr. vindmølle. Men ét er sikkert: I takt med, at marginerne for operatører af vindmølleparker presses yderligere, er hver eneste lille effektivitetsforbedring afgørende for at opretholde lønsomheden, og et afgørende værktøj, der kan være med til at opnå dette, er de forbedrede forebyggende egenskaber forbundet med statistisk CMS.

    SKF Danmark A/S
    (børsnoteret)

    Yderligere oplysninger kan fås ved at kontakte:
    Pressekontakt: Lisbeth Skovlund + 45 43 43 66 33 lisbeth.skovlund@skf.com

    SKF er en førende global leverandør af lejer, tætninger, mekatronik, smøresystemer og serviceydelser, der omfatter teknisk support, vedligeholds- og driftssikkerhedsservice, teknisk rådgivning og uddannelse. SKF er repræsenteret i mere end 130 lande og har ca. 15.000 forhandlere over hele verden. I 2015 havde SKF en omsætning på SEK 75.997 millioner, og antallet af medarbejdere var 46.635. www.skf.com www.skf.com 

    ® SKF er et registreret varemærke tilhørende SKF Group.

  • Billede

Download pressemappe

Pressemappe (504 KB)

SKF logo