Cookie-k az SKF webhelyén

Az SKF cookie-kat használ arra, hogy webhelyei tartalmát minél jobban összehangolja a látogatók preferenciáival - ilyen például a választott ország és nyelv.

Elfogadja az SKF által használt cookie-kat?

A statisztikai megközelítés tökéletesíti a szélerőművek távoli állapotfelügyeletét

  • Történet

    2016 október 14, 10:00 CEST

    Fabrice Drommi, az SKF megújulóenergia-ipari állapotfelügyelet üzletfejlesztési igazgatója elmagyarázza, hogyan növelhetik a távdiagnosztikai szolgáltatások a szélerőművek üzemi hatékonyságát

    Európában a szárazföldi szélerőművek működési és üzemeltetési költségei igen jelentősek. Az Európai Szélenergia Szövetség adatai szerint az üzemeltetési és karbantartási (O & M) költségek a szárazföldi szélerőművek esetében a fajlagos energiaköltség (LCOE) mintegy 20 százalékát teszik ki. Ebből következik, hogy minden olyan intézkedés, amellyel ez a költség csökkenthető, közvetlen nyereségességnövelő tételt jelent a befektetők számára.

    Ez nem azt jelenti, hogy a berendezések tulajdonosainak az O & M költségeken kellene spórolniuk. A nem megfelelő O & M ahhoz vezethet, hogy a kisebb meghibásodásokat vagy hiányosságokat nem veszik észre. Ez nem csak a teljesítményt befolyásolja, de nagyobb mértékű alkatrész-meghibásodást is eredményezhet, ami nagy valószínűség szerint költséges javításokhoz és hosszadalmas gépleállásokhoz vezet.

    Az O & M egyre fontosabb kérdéssé válik a szélenergia-iparban. Az O & M fontossága és költségei az üzembe helyezéstől eltelt idővel arányosan növekszenek, mivel az idő múlásával egyre nagyobb lesz az alkatrészek meghibásodásának esélye, és ezek a hibák már kívül esnek a gyártó által biztosított szavatossági időn. Tekintettel arra, hogy az Európában telepített szárazföldi szélturbinák mintegy 75 százaléka kevesebb mint tíz éve üzemel, ez a probléma növekvő jelentőséggel bír.

    Az SKF a szélenergia-ágazat egyik vezető beszállítójaként számos alkatrészt gyárt az iparág számára, többek között különböző csapágyakat a hajtásláncokhoz, valamint kenéstechnikai és tömítési megoldásokat. De a szakértelmünk több területre is kiterjed. Tíz évvel ezelőtt az SKF kifejlesztett egy rezgésfelügyeleti rendszert, és megnyitotta a távdiagnosztikai központot. Az állapotfelügyelet a gépek állapotfelmérésének folyamata a berendezés működése közben. A sikeres állapotfelügyeleti program titka az, hogy az ember tudja mire kell figyelni, tudja hogyan kell azt értelmezni, és tudja mikor kell felhasználni ezt a tudást a gyakorlatban. Az állapotfelügyeleti rendszerek (CMS) nem csupán a katasztrofális meghibásodások esélyének csökkentésében segítik a szélerőművek üzemeltetőit, de lehetővé teszik számukra az alkatrészek időben történő megrendelését, a humánerőforrás és az eszközállomány hatékony ütemezését, valamint az egyéb javítások tervszerű elvégzését a leállás ideje alatt.

    A világszínvonalú előrejelző karbantartási program bevezetése a szélturbinák időszakos vagy folyamatos felügyeletére a telepített szoftvereinknek és állapotfelügyeleti szolgáltatásainknak köszönhetően egy egyszerű internetkapcsolattal megoldható. Az SKF Távdiagnosztikai szolgáltatás a szélturbinák állapotfelügyeletéhez és az adatgyűjtéshez SKF állapotfelügyeleti eszközöket alkalmaz - például az SKF IMx on-line rendszert. Az eredmények alapján a szakemberek elvégzik az adatok elemzését, és az interneten keresztül kommunikálják a gépállapot kezelésére vonatkozó megállapításaikat, elősegítve ezzel a tényeken alapuló döntéshozatalt.

    Azonban a technológia és a kommunikáció fejlődése a CMS rendszerek változását is magával hozza. A hatékonyabb működés érdekében az üzemeltetők karbantartási stratégiáját az ütemezett modellről az előrejelző modell felé kell elmozdítani.
    Néhány évvel ezelőtt a felügyelt szélerőművek növekvő száma és ezzel együtt a begyűjtött adatok növekvő mennyisége miatt az SKF-nek ki kellett találnia azt a módszert, amellyel a folyamat hatékonysága növelhető. Új utakat kellett keresnünk az adatok kezelésére. Ekkor kezdtük használni a statisztikai módszereket.

    Azonban a nagy szélerőművekről döbbenetes mennyiségű adat érkezik. Alapszabályként elmondható, hogy minden egyes hajtóműves szélturbinán megközelítőleg nyolc érzékelő található, amelyek mindegyike nagyjából három mérést végez naponta, ez összesen 24 adathalmaz; egy adathalmaz egy spektrumot és egy általános értéket tartalmaz. Ezt az információt gyűjti össze az állapotfelügyeleti hardver és küldi interneten keresztül - vezetékes vagy vezeték nélküli kapcsolattal - a CMS szerverre, amely a világon bárhol lehet.

    Átlag napi egy letöltéssel számolva ez azt jelenti, hogy egy szélturbináról egy év alatt közel 9000 spektrumot kell elemeznünk. Ha elképzeljük, hogy hány szélerőműpark működik - és ezekben akár turbinák százai is üzemelhetnek -, akkor láthatjuk, hogy statisztikai modellezés nélkül az elemzés teljes mértékben lehetetlen.
    Ez az adatmennyiség elkerülhetetlenné teszi számunkra a statisztikai adatok használatát. A statisztikai modellezést arra használjuk, hogy összehasonlítsuk a turbinákat egymással, amennyire lehetséges figyelembe véve a földrajzi és típusbeli eltéréseket. Először összehasonlítjuk ami összehasonlítható, majd felhasználjuk a szélerőművek különböző modelljeinek megfigyelése során az elmúlt több mint tíz év alatt felhalmozott adatokat. Az új berendezés megfigyeléséhez - a turbina típusától függően - háttéranyagként alkalmazzuk ezeket az archív adatokat.

    A más iparágakban alkalmazott hagyományos technikák korlátai miatt a szélerőműveknél már akkor is az egyedülálló CMS rendszert használták, mielőtt a statisztikai eszközök felé fordultunk volna. A szélturbina bonyolult berendezés, rengeteg változóval. Más iparágaktól eltérően itt nem tudunk egy riasztási szintet alkalmazni az összes berendezéshez; sajnos, ez ebben az esetben nem működik. Ezért egyedi riasztási modelleket kell kifejlesztenünk, amelyek lehetővé teszik számunkra, hogy gyorsan összehasonlítsuk azokat a berendezéseket, amelyeket össze lehet hasonlítani. Azonban a statisztika, a szűrés és a kiválasztás segítsége nélkül ezt nem lehet elfogadható időn belül elvégezni.

    További előnyt jelent az archív adatok egyre növekvő mennyisége. Ezek az archív adatok rendkívül hasznosak, különösen, ha az egység teljes életciklusát felölelik a telepítéstől kezdve. Sajnos ez nem mindig van így. Annak ellenére, hogy egyre több turbinát szerelnek fel gyárilag állapotfelügyeleti technológiával, a már meglévőek közül sok igényel utólagos felszerelést; ez rendszerint a garanciális időszak vége felé történik meg, amikor az üzemeltető vagy a szolgáltató meg szeretné újítani a szolgáltatási szerződés.

    Azonban fontos, hogy a folyamat pontosságának növelése érdekében a megfelelő kinematikai adatokat válasszuk ki az elemzéshez. A rendszer egyes elemei lehetővé teszik az elméletileg lehetséges hibaokok felderítését. Ehhez az automatikus leolvasáshoz a rendszerben az alkatrésztípusokról található aktuális információra kell támaszkodni. Mivel minden hajtómű saját elméleti frekvenciával rendelkezik - és nincsenek pontosabb ismereteink az adott turbina belsejének kinematikájáról -, feltevésekre kell hagyatkozni, ehhez azonban az elemzőknek még több információra van szüksége.

    A kiterjedt archív adatbázisunknak köszönhetően mostanra már rengeteg háttéradattal rendelkezünk a hajtómű és a generátor belsejében található alkatrészekről, és jól megismertük a működésüket. A tapasztalataink alapján a szélturbinák vizsgálata során az alkatrészek nem mindegyike igényel azonos szintű elemzési szakértelmet. A generátorcsapágy problémát elég egyszerű kimutatni, azonban a bolygóműcsapágyak és a hajtóművek esetében ez sokkal problematikusabb. Az általunk kifejlesztett speciális algoritmusok kifejezetten a bolygókerekes hajtóművek hibáinak észlelésére összpontosítanak.

    A végső cél a flottán belül annak a turbinának a gyors beazonosítása, amelyet tovább kell vizsgálni. A statisztikai megközelítés kiegészíti a hagyományos diagnosztikát a problémás turbina gyors beazonosítása során. Ugyanez a helyzet azoknál a turbináknál is, amelyek esetében a szakembereknek időt kell fordítaniuk a rezgésjelek megvizsgálására ahhoz, hogy azonosítani lehessen a problémát.

    A cél most az, hogy bővítsük a flottaelemzés távlatait azon a globális háttéren belül, amely az SKF által felügyelt több mint 2000 turbinára épül. E cél elérése érdekében a földrajzi elhelyezkedés és terhelés szempontjából különböző turbinamodellek és alkatrészeik rezgés-összehasonlítására dolgozunk ki egy statisztikai modellt.
    A munka magába foglalja az eljárás fejlesztését, amelyet a szakértők közötti rendszeres műhelymunkával egészítünk ki. A problémákat és a fejlesztési ötleteket megosztjuk, így létrehoztuk a szélenergia-iparra szakosodott globális CMS közösségi hálózatot.

    Mit is jelent ez az üzemeltetők számára? A statisztikai modellezés lehetővé teszi a testre szabott riasztások beállítását, így az üzemeltetők csak akkor értesülnek a problémáról, ha az valószínűleg veszélyezteti a teljesítményt. Téves riasztásokkal vagy a felesleges információkkal nem háborgatjuk őket.

    Ami a jövőt illeti, a CMS rendszerek pontossága és alkalmazási területe folyamatosan bővül, és mi tovább feszegetjük a technológia határait. Az egyik következő lépés az lesz, hogy integráljuk az összes vonatkozó információforrást - többek között a hőmérsékletet és a folyamatparamétereket -, és ezeket beépítjük a rezgésdiagnosztikai folyamatba.

    A másik irány az, hogy igyekszünk a CMS adatokat egy másik, átfogóbb rendszerrel összekapcsolni a jobb korreláció biztosítása érdekében. Erre a megoldásra a turbinagyártók részéről is nagy igény jelentkezik, de mint mindig, most is minden a költségeken múlik. Tekintettel a szélturbinák magas számára, nagy hangsúlyt fektetnek a költségek csökkentésére. Célunk, hogy a technológiát mindenki számára elérhetővé tegyük.

    Tíz év rezgésdiagnosztikai tapasztalattal a hátunk mögött ma már egy százalékkal tudjuk javítani a szélenergia-ipari eszközök rendelkezésre állását, az üzemeltetési és karbantartási költségek két százalékos csökkentésével egy időben. Az SKF statisztikai alapú CMS rendszerével az üzemeltetők évente 5000 € megtakarítást érhetnek el szélturbinánként. Egy dolog azonban biztos: a szélerőmű üzemeltetők számára a jövedelmezőség fenntartása érdekében létfontosságú, hogy a végsőkig növeljék a hatékonyságot; és ennek elérésében alapvető szerepet tölt be a statisztikai módszerekkel működő CMS megnövekedett előrejelző képessége.

    SKF AB
    (publ)

    További információt a következő elérhetőségeken kérhet:
    Sajtókapcsolat: Nia Kihlström, +46 31-337 2897; +46 706 67 28 97; nia.kihlstrom@skf.com

    Az SKF a világpiac vezető szállítója a csapágyak, a tömítések, a mechatronika, a kenéstechnikai rendszerek és a szerviz területén, mely utóbbi terület magába foglalja a műszaki támogatástól kezdve a karbantartási és megbízhatósági szolgáltatásokon át a mérnöki tanácsadást és képzést is. Az SKF a világ több mint 130 országában 15 000 viszonteladóval képviselteti magát. A cég éves bevétele 2014-ben 70 975 millió svéd korona, alkalmazottainak száma pedig 48 593 fő volt.www.skf.com 

    ® SKF az SKF Csoport bejegyzett védjegye.

  • Kép

Sajtóanyag letöltése

Sajtóanyag (504 KB)

SKF logo