Ziele

Ziele

Die Zuverlässigkeit von Zustandsprognosen bei OWEA zu steigern, ist das Ziel des Projekts „Steigerung der Zuverlässigkeit der Zustandsprognose von Offshore-Windenergieanlagen (OWEA) durch den Einsatz von Data-Mining Verfahren (SteigProg)“. Erreicht werden soll dies durch Data-Mining-Verfahren, die anhand von vorhandenen Messdaten Störungsmuster erlernen und so eine multikriterielle Prognose des Maschinenzustands erlauben. Dadurch sollen Ausfallzeiten minimiert, Instandhaltungseinsätze besser planbar und die zur Instandhaltung benötigte Zeit verkürzt werden.

Bislang wurden analytische Verfahren zur Zustandsprognose im Bereich der XXL-Produkte verwendet. Bei großskaligen Produkten ist der Einsatz von Data-Mining-Algorithmen allerdings sinnvoller, weil die großen Dimensionen von XXL-Bauteilen sich verstärkt auf geometrisch-physikalische Abhängigkeiten (z. B. temperaturabhängige Ausdehnungen der Bauteile) auswirken und eine analytische Modellierung erschweren. Zudem zeichnen sich XXL-Produkte durch eine Vielzahl gleichzeitig zu überwachender Komponenten und Parameter aus, zwischen denen wiederum weitere instandhaltungsrelevante Abhängigkeiten existieren. Im Fall von OWEA müssen beispielsweise Getriebe, Generator und Windlast sowie Wechselwirkungen zwischen diesen Komponenten (z. B. die Beeinflussung der Lagerlebensdauer im Generator durch Lagerschäden im Getriebe) kontrolliert werden. Eine analytische Modellierung ist dabei nicht realisierbar.

Data-Mining-Algorithmen können sowohl die geometrisch-physikalischen als auch die instandhaltungsrelevanten Abhängigkeiten erlernen, ohne dass ein Mensch sie explizit modelliert. Sie sind daher besonders für eine zuverlässige – da multikriterielle – Zustandsprognose von OWEA geeignet.

 

Multikriterielle Zustandsprognose von OWEA

   Multikriterielle Zustandsprognose bei OWEA