Một nhà nghiên cứu từ VUB đã phát triển một hệ thống có thể dự đoán các hỏng hóc của tuabin gió do các thành phần trục trặc ban đầu. Ông chuyên về giám sát tình trạng, một kỹ thuật sử dụng dữ liệu từ các cảm biến tuabin và trí tuệ nhân tạo để theo dõi tình trạng của máy. "Nếu người vận hành có thể dự đoán rằng một thành phần cụ thể sắp hỏng, họ có thể thay thế nó trong quá trình bảo dưỡng thường xuyên, ngăn ngừa thời gian ngừng hoạt động của tuabin", Tiến sĩ Xavier Chesterman, người đã hoàn thành chương trình Tiến sĩ về vấn đề phức tạp này, cho biết.
Tín dụng: Pixabay/CC0 Public Domain
Các hỏng hóc thành phần sớm dẫn đến việc ngừng hoạt động của tua bin có tác động đáng kể đến lợi nhuận. Trung bình, một tua bin gió ngoài khơi gặp 8,3 lần hỏng hóc mỗi năm. Một số thành phần, tùy thuộc vào loại tua bin, đặc biệt dễ bị hỏng hóc—thường là máy phát điện, hộp số hoặc các thành phần phụ như ổ trục và các bộ phận chuyển động khác.
Thời gian ngừng hoạt động gây tốn kém cho người vận hành, cả ngoài khơi và trên đất liền. "Việc thay thế các thành phần này trong quá trình bảo trì thường xuyên có thể giảm đáng kể chi phí bảo trì và thời gian ngừng hoạt động", Chesterman giải thích.
"Việc dự đoán và chẩn đoán lỗi tuabin gió vẫn là một thách thức chưa có lời giải. Một phương pháp hữu ích phải có khả năng phát hiện các loại lỗi khác nhau trước khi chúng thực sự xảy ra. Phương pháp này không chỉ nhận ra khi một thành phần bắt đầu hoạt động bất thường mà còn giải thích các mô hình trong hành vi bất thường này để chủ động ứng phó với lỗi."
Các cảm biến thu thập một loạt dữ liệu lớn từ các tua-bin, bao gồm độ rung, nhiệt độ tăng bất thường, v.v. Mục tiêu chính của nghiên cứu này là phát triển một hệ thống chẩn đoán và dự đoán lỗi tự động cho hệ thống truyền động tua-bin gió. Hệ thống này sử dụng các nguồn dữ liệu chuẩn, cụ thể là dữ liệu được gọi là dữ liệu Giám sát và Thu thập Dữ liệu (SCADA) 10 phút và các mục nhật ký trạng thái.
Chesterman tập trung chủ yếu vào một loại tín hiệu: nhiệt độ. Hệ thống của ông được thiết kế để dự đoán các lỗi và trục trặc trong hệ thống truyền động tuabin gió bằng cách phân tích các tín hiệu nhiệt độ từ nhiều thành phần khác nhau.
"Ngoài ra, hệ thống phải xác định loại lỗi dựa trên các mô hình hành vi bất thường của tuabin", Chesterman cho biết.
"Hệ thống sử dụng trí tuệ nhân tạo (AI), cụ thể là máy học và khai thác dữ liệu. Lượng dữ liệu khổng lồ khiến các chuyên gia khó có thể phân tích và diễn giải các mẫu theo cách thủ công. Đôi khi, cần phải kết hợp nhiều tín hiệu khác nhau để xác định chính xác vị trí xảy ra lỗi."
Hệ thống được phát triển đã được thử nghiệm trong điều kiện thực tế bằng cách sử dụng dữ liệu từ ba trang trại gió đang hoạt động ở Biển Bắc và Biển Baltic. "Xác thực cho thấy phương pháp dự đoán lỗi hiệu quả nhất có thể phát hiện chính xác một số lỗi sớm, với mức độ tin cậy 80%".
Đối với nghiên cứu sau tiến sĩ của mình, Chesterman muốn đưa phân tích dữ liệu của mình tiến xa hơn một bước nữa. Ông muốn áp dụng nó vào các loại máy khác, chẳng hạn như máy nén và máy móc nông nghiệp.
Mời các đối tác xem hoạt động của Công ty TNHH Pacific Group.
FanPage: https://www.facebook.com/Pacific-Group
YouTube: https://www.youtube.com/@PacificGroupCoLt
