Een onderzoeker van de VUB heeft een systeem ontwikkeld dat voorspelt wanneer windmolens dreigen uit te vallen. Dat kan operatoren van windparken flink wat geld besparen.
Gemiddeld valt een offshore windturbine 8,3 keer per jaar uit, vaak door defecten aan de generator, de versnellingsbak, lagers en andere bewegende elementen. En turbines die stilstaan, kosten operatoren een pak geld. Windturbines zijn voorzien van allerlei sensoren, die onder meer temperatuur en vibraties registreren. Maar de overvloed aan data van al die sensoren maakt het moeilijk voor experten om ze te analyseren of patronen te interpreteren.
Machine learning
‘Soms is het een combinatie van verschillende signalen die aangeeft waar de storing zal optreden. Deze oplossing maakt daarom gebruik van artificiële intelligentie, meer specifiek van machine learning en data mining’, zegt VUB-onderzoeker Xavier Chesterman. ‘Als de operatoren kunnen voorzien dat een bepaald onderdeel eerdaags zal sneuvelen, kunnen ze dat tijdens de normale onderhoudsbeurten vervangen, zodat de turbine niet stil moet liggen.’
Het systeem werd getest op data van drie operationele windturbineparken in de Noordzee en de Baltische Zee. Het kon bepaalde gebreken accuraat en vroegtijdig voorspellen met een zekerheid van tachtig procent.
Chesterman wil in zijn postdoc-onderzoek nog een stap verder gaan en het systeem ook beschikbaar maken voor andere apparaten, zoals compressoren en landbouwmachines.