SKF-sivuston evästeet

SKF käyttää verkkosivuillaan evästeitä esittämiensä tietojen mukauttamiseksi mahdollisimman hyvin sivulla käyvien käyttäjien esimerkiksi maata ja kieltä koskeviin valintoihin. Hyväksytkö SKF:n evästeet?

Will you accept SKF cookies?

Tilastollinen lähestymistapa tehostaa tuulivoimapuistojen etäkunnonvalvontaa

  • Tarina

    2016 lokakuu 14, 10:00 CEST

    SKF:n Fabrice Drommi, Machine Health Business Development for Renewable Energy, kertoo, miten SKF:n kehittämät Remote Diagnostic Services -ratkaisut voivat lisätä tuulivoimapuistojen toiminnan tehokkuutta

    Euroopassa maalla sijaitsevien tuulivoimapuistojen käyttö ja kunnossapito on huomattavan kallista. European Wind Energy Association -järjestön mukaan maalle rakennettujen tuulivoimapuistojen käytöstä ja kunnossapidosta (Operating and Maintenance, O&M) aiheutuvat kustannukset voivat olla noin 20 % energian yksikkökustannuksista (LCOE). Siksi kaikki toimet näiden kustannusten vähentämiseksi näkyvät suoraan sijoittajille kertyvien tuottojen kasvuna.

    Tämä ei tarkoita sitä, että omistajat voisivat alkaa kitsastella O&M-kuluissa. Riittämätön kunnonvalvonta ja kunnossapito voi johtaa pienehköihin vikoihin tai puutteisiin, jotka jäävät huomaamatta. Paitsi että tämä heikentää tuottoja, se voi myös johtaa suurin komponenttivaurioihin, jotka saattavat edellyttää kalliita korjauksia ja aiheuttaa pitkiä käyttökatkoksia.

    O&M on tuulivoimateollisuuden kasvava ongelma. Komponenttivaurioiden todennäköisyyden lisääntyminen ja niiden mahdollinen jääminen valmistajan takuuajan ulkopuolelle lisää O&M:n tärkeyttä ja kustannuksia sitä mukaa, kun käyttöönotosta kulunut aika pitenee. Koska noin 75 prosenttia kaikista maalla toimivista tuuliturbiineista Euroopassa on toiminut alle kymmenen vuotta, aihealueen merkitys on kasvussa.

    Tuulivoima-alan johtavana toimittajana SKF valmistaa monia eri komponentteja, kuten erilaisia laakereita sekä voitelu- ja tiivisteratkaisuja. Asiantuntemuksemme ei kuitenkaan pääty tähän. Kymmenen vuotta sitten SKF kehitti värähtelyyn perustivan kunnonvalvontajärjestelmän ja avasi etävalvontakeskuksen. Kunnonvalvonta on prosessi, jossa määritellään käynnissä olevan laitteiston kunto. Onnistuneen kunnonvalvonnan salaisuus on tietää, mitä on syytä valvoa, miten se pitää tulkita ja miten tietoa pitää käyttää hyväkseen. Kunnonvalvontajärjestelmät (Condition Monitoring Systems, CMS) auttavat tuulivoimaloiden työntekijöitä vähentämään vakavien vaurioiden todennäköisyyttä, ja lisäksi he osaavat niiden ansiosta tilata varaosat ajoissa, suunnitella työvoiman ja koneiden käytön ja ajoittaa myös muita korjauksia huoltokatkoksen ajaksi.

    Tarjoamamme ohjelmisto- ja valvontapalvelut, jotka toteuttavat maailmanluokan ennakoivaa kunnossapito-ohjelmaa tuuliturbiinien kausittaista ja enimmäkseen jatkuvaa valvontaa varten, ei vaadi käyttäjältään muuta kuin internet-yhteyden. SKF:n Remote Monitoring -palvelut keräävät tietoa käyttämällä kunnonvalvontatyökaluja, kuten tuuliturbiineja varten kehitettyä SKF IMx on-line -järjestelmää. Tulosten mukaisesti asiantuntijat analysoivat tiedot ja välittävät ne internetin välityksellä laitteistojen hallinnasta vastaaville tahoille.

    CMS on kuitenkin muuttumassa teknologian ja viestintämahdollisuuksien kehittyessä. Toimintojen tehostamiseksi käyttäjien kunnossapitostrategiaa on kehitettävä aikataulutetusta mallista kohti ennakoivaa mallia.
    Kun valvottavien tuulivoimaloiden ja kerättävän tiedon määrä useita vuosia sitten kasvoi, SKF:n oli keksittävä tapa parantaa prosessin tehokkuutta. Oli löydettävä uusia tapoja käsitellä tietoa, ja siksi aloimme käyttää tilastotieteen tekniikoita.

    Suuresta tuulivoimapuistosta kerättävän tiedon määrä on kuitenkin valtava. Perussääntönä on, että vaihteellisessa tuuliturbiinissa on noin kahdeksan anturia, joista jokainen suorittaa keskimäärin kolmea mittaustehtävää. Se merkitsee yhteensä 24 indikaattoria; yksi indikaattori on yksi spektri ja yksi kokonaisarvo. Nämä tiedot kerää kunnonvalvontalaitteisto, joka lähettää ne internetin välityksellä joko linjateitse tai langattomasti CMS-palvelimelle, joka voi sijaita missä päin maailmaa tahansa.

    Kun tietoja ladataan keskimäärin kerran päivässä vuoden ajan, analysoitavaksi tulee lähes 9 000 spektriä. Kun ajatellaan tuulivoimapuistoa, jossa voi olla satoja turbiineja, tietojen analysointi on mahdotonta ilman tilastollista mallinnusta.
    Tällaisen tietomäärän vuoksi meidän on nyt käytettävä tilastodataa. Sen avulla turbiineja verrataan keskenään mahdollisimman paljon ottamalla huomioon sijaintien ja mallien väliset erot. Ensin vertaamme toisiinsa vertailukelpoisia tietoja ja sen jälkeen käytämme hyväksi kymmenen vuoden aikana kerättyjä historiatietoja eri mallisten tuulivoimaloiden valvonnan koko ajalta. Näiden historiatietojen ja turbiinityypin perusteella muodostamme taustatiedot uutta konetta varten, jota alamme valvoa.

    Jo ennen kuin aloimme käyttää tilastotyökaluja, CMS-menetelmien soveltaminen tuulivoimaloihin oli ainutlaatuista, koska perinteisten tekniikoiden soveltamismahdollisuudet muilla toimialoilla olivat rajalliset. Tuuliturbiini on monimutkainen laite, jossa on paljon muuttujia. Toisin kuin muilla teollisuudenaloilla emme valitettavasti voi käyttää yhtä hälytystasoa kaikkiin koneisiin, sillä se ei olisi tarkoituksenmukaista. Siksi meidän on kehitettävä yksilöllisiä hälytysmalleja, joiden avulla voimme nopeasti verrata keskenään vertailukelpoisia koneita. Tämä olisi kuitenkin mahdotonta ilman tilastotiedon apua, sillä tietojen suodattaminen ja järjestäminen veisi liian pitkän ajan.

    Lisäetuna on historiatietojen jatkuvasti kasvava määrä. Historiatiedot ovat erittäin hyödyllisiä varsinkin, koska ne kattavat yksikön koko elinkaaren sen asennuksesta lähtien. Valitettavasti tämä ei kuitenkaan aina pidä paikkaansa. Vaikka jatkuvasti kasvavaan määrään turbiineja asennetaan jo tehtaalla valvontateknologia, suuri osa nykyisestä laitekannasta edellyttää jälkiasennusta. Tämä on perinteisesti tehty lähellä takuuajan päättymistä tai kun käyttäjä tai huoltopalvelun tarjoaja haluaa uudistaa huoltosopimuksen.

    On kuitenkin erittäin tärkeää valita analysoitaviksi oikeat kinemaattiset tiedot, mikä lisää prosessin tarkkuutta. Järjestelmässä on joitakin ominaisuuksia, joiden ansiosta sillä voidaan löytää potentiaaliset teoreettiset viat. Tätä automaattiskannausta varten on käytettävä todellisia tietoja järjestelmässä olevista komponenttityypeistä. Jokaisella hammaspyörällä on oma teoreettinen taajuutensa, joten ilman tietyn tarkkuustason ylittäviä tietoja turbiinin sisäisestä kinematiikasta on luotettava oletuksiin, jotka perustuvat analyytikon antamiin lisätietoihin.

    Nyt, kun käytettävissä on laaja historiatietokanta, meillä on hyvä käsitys ja hyvät taustatiedot vaihdelaatikon ja generaattorin sisällä olevista komponenteista. Kokemuksemme mukaan tuuliturbiinien kaikkien komponenttien analysointi ei edellytä samaa asiantuntemusta. Generaattorin laakeriongelman havaitseminen on helppoa, mutta planeettavaihteiston laakereiden osalta se on paljon vaikeampaa. Olemme kehittäneet erityisiä algoritmeja, jotka on keskitetty juuri planeettavaihteistojen erityisalgoritmien analysointiin.

    Lopullisena tavoitteena on havaita nopeasti, mikä laitteiston turbiini edellyttää tarkempaa analyysia. Tilastollinen lähestymistapa täydentää perinteistä diagnostiikkaa sen nopeuttamiseksi ja mahdollisesti ongelmallisten turbiinien tunnistamiseksi. Juuri niihin asiantuntijoiden on keskityttävä tarkemmin seuraamalla värähtelysignaaleja ongelmien määrittämiseksi.

    Nyt tavoitteena on laajentaa laitteiston analysointiperspektiiviä käyttämällä maailmanlaajuisia taustatietoja, jotka olemme keränneet SKF:n analysoimista yli 2000 turbiinista . Tätä tarkoitusta varten rakennetaan tilastomalli kunkin turbiinityypin ja niiden osien värinätietojen vertaamiseksi eri paikoissa ja erilaisissa kuormitusolosuhteissa.
    Tämä tehdään parantamalla prosessia, lisäämällä säännöllisiä asiantuntijoiden yhteisiä työpajoja, jakamalla ongelmia ja parannusideoita — luomalla tuulivoima-alan CMS-yhteisön maailmanlaajuinen verkosto.

    Miten tämä sitten hyödyttää tuulivoimaloiden käyttäjiä? Järjestelmän avulla pystymme laatimaan varoituksia, jota seuraamalla käyttäjien tarvitsee vastaanottaa vain tietoa ongelmista, joiden seuraukset todennäköisesti muodostuvat kohtalokkaiksi laitosten suorituskyvylle, eikä tuulivoimalan käyttäjiä tarvitse vaivata väärillä varoituksilla tai tarpeettomilla tietomäärillä.

    Jatkossa CMS:n tarkkuus ja laajuus lisääntyvät entisestään ja jatkamme edelleen teknologian asettamien rajoitusten haastamista. Yksi seuraavista vaiheista on integroida kaikki relevantit tietolähteet, kuten lämpötila ja prosessiparametrit, ja lisätä ne värähtelyn sallimaan diagnostiikkaan.

    Trendeihin kuuluu myös CMS-tietojen kytkeminen toiseen, vielä kokonaisvaltaisempaan järjestelmään korrelaation parantamiseksi entisestään. Tämä on turbiinivalmistajien suuri tavoite, mutta kuten aina, kustannukset ratkaisevat. Ottaen huomioon tuuliturbiinien suure määrän kustannusten alentamispaineet ovat kovat. Tavoitteenamme on tehdä teknologiasta edullisempaa.

    Kymmenen vuoden värähtelyvalvonnan jälkeen pystymme parantamaan tuulivoimaloiden käyttöaikaa yhdellä prosentilla, ja samalla käyttö- ja kunnossapitokustannukset alenevat kaksi prosenttia.. Käyttämällä SKF:n tilastopohjaista CMS-järjestelmää tuulivoiman tuottajat voivat säästää 5 000 euroa vuodessa turbiinia kohti. Yksi tosiasia on kuitenkin varma: kun tuulivoimaloiden voitot supistuvat jatkuvasti, jokainen tehokkuuden parannus on elintärkeä kannattavuuden takaamiseksi, ja keskeinen keino sen saavuttamiseksi on tilastollisen CMS:n parannettu ennakointikyky.

    Aktiebolaget SKF
    (publ)

    Lisätietoja:
    Lehdistösuhteet: Nia Kihlström, +46 31-337 2897; +46 706 67 28 97; nia.kihlstrom@skf.com

    SKF on johtava maailmanlaajuinen laakereiden, tiivisteiden, mekatroniikan, voitelujärjestelmien sekä teknisen tuen, kunnossapito- ja luotettavuuspalvelujen, konsultointi- ja koulutuspalvelujen sekä muiden vastaavien palveluiden tarjoaja. SKF:llä on edustajia yli 130 maassa, ja sillä on maailmanlaajuisesti noin 15 000 jakelupistettä. Vuonna 2014 yhtiön liikevaihto oli 70 975 miljoonaa Ruotsin kruunua ja yrityksessä oli 48 593 työntekijää. www.skf.com

    ® SKF on SKF-konsernin rekisteröity tavaramerkki.

  • Kuva

Lataa lehdistöpaketti

Lehdistöpaketti (504 KB)

SKF logo