L'I.A. aide les exploitants d'éoliennes à détecter plus rapidement les surchauffes

Saviez-vous que jusqu'à 30 % du coût de la durée de vie d'un parc éolien peut être attribué à la défaillance des composants et aux coûts de maintenance ? C'est pourquoi les solutions logicielles qui permettent de prévoir les défaillances des composants et de réduire les temps d'arrêt constituent un avantage concurrentiel majeur pour les propriétaires d'éoliennes. 

La bonne nouvelle, c'est que les éoliennes produisent de grandes quantités de données sur leur état et leurs performances. Ces données révèlent souvent des problèmes, tels que la surchauffe de l'huile, l'usure des engrenages ou le remplacement de certaines pièces. Mais les données ne suffisent pas toujours. Il faut savoir les interpréter. 

Le module complémentaire d'intelligence artificielle de Greenbyte, Predict, est un système de surveillance des conditions basé sur la température qui utilise l'intelligence artificielle pour passer au crible toutes ces données afin d'identifier les signes subtils de problèmes potentiels. Ces signes peuvent souvent échapper aux opérateurs humains.  

Lorsque Predict détecte un problème, il crée une alerte afin que les ingénieurs puissent examiner les données. Si les preuves confirment qu'un composant montre des signes de dégradation, les responsables peuvent programmer des travaux de maintenance à un moment opportun, tant d'un point de vue opérationnel qu'économique. Cela peut améliorer considérablement les performances d'un parc éolien. 

Comment un service public européen utilise Greenbyte Predict 

Notre travail avec un service public européen démontre à quel point Predict peut avoir un impact sur la performance. L'entreprise a commencé à utiliser la plateforme de gestion de la performance des actifs Greenbyte de Power Factors en 2017.  

Avec un portefeuille diversifié d'actifs d'énergie conventionnelle et renouvelable, la société a commencé à utiliser Greenbyte sur un plus petit segment de ses parcs éoliens au début de 2018. Elle l'utilise désormais pour gérer l'ensemble de son portefeuille éolien. Elle est également devenue l'un des premiers clients à utiliser Predict. 

L'entreprise a utilisé Predict dans six parcs éoliens terrestres et marins où elle était exposée financièrement au coût de la perte de production. Le portefeuille comprend des projets avec des turbines de 1,5 MW à 3 MW provenant de quatre fabricants différents.  

Le principal problème était que les contrats de service liés aux quatre éoliennes ne couvraient pas l'intégralité du coût de la perte de production. Par conséquent, les temps d'arrêt représentaient un frein coûteux aux performances financières du portefeuille. 

Notre solution a consisté à mettre en œuvre Predict. En analysant les données SCADA (Supervisory Control and Data Acquisition) de la turbine, nous avons pu anticiper les problèmes plus rapidement et les résoudre avant que les composants ne tombent en panne, ce qui a permis de réduire au minimum les pertes de production. 

L'un de ces projets concernait un parc éolien offshore de 120 MW composé de 60 turbines Vestas de 2 MW, qui a été mis en service en 2008. 

Il appartient à 100 % à l'entreprise et constitue l'un des plus anciens parcs éoliens offshore en activité. Comme l'entreprise avait déjà plusieurs années d'expérience dans la gestion et la maintenance du projet, il s'agissait d'un test parfait. 

L'un des analystes des actifs de l'entreprise a déclaré que notre analyse avait été bénéfique pour son travail de gestion des actifs : "Predict nous a permis d'avoir une meilleure vision de notre portefeuille et de rester à l'affût de ce qui doit être fait pour améliorer nos performances. 

Fonctionnement du projet d'analyse 

Sur une période de six mois, Predict a identifié 17 défaillances imminentes de composants, prouvant ainsi l'efficacité de Predict pour anticiper les problèmes avant qu'ils ne deviennent des défaillances. Notre analyse a permis à l'entreprise de réparer ou de remplacer les composants de la turbine de manière contrôlée, avec un temps d'arrêt minimal, ce qui a permis d'éliminer de nombreux jours d'arrêt et de continuer à faire tourner les turbines de l'entreprise. 

Notre projet comportait deux phases distinctes : 

La phase 1 a consisté en une analyse rétrospective d'un an de données SCADA. Nous avons alors pu montrer comment et quand Predict aurait détecté des problèmes antérieurs.  

La phase 2 a été un projet en direct d'une durée de six mois, Predict fonctionnant sur le parc de six parcs éoliens terrestres et offshore. 

L'utilisation des données pour anticiper les problèmes est logique pour les entreprises. Cependant, un système de maintenance conditionnelle trop sensible peut créer plus de problèmes qu'il n'en résout s'il encourage les propriétaires à mettre des projets hors ligne pour investigation lorsqu'ils n'en ont pas besoin. 

Predict évite ce risque en utilisant un réseau de modèles basés sur l'IA qui sont formés pour apprendre à partir des données SCADA. Cette intelligence réduit l'occurrence des faux positifs et garantit que vous ne devez répondre qu'aux problèmes réels.  

Une évaluation des performances de Predict, utilisant un ensemble de données de test de 162 éoliennes exploitées par plusieurs sociétés, a permis d'obtenir une précision de 93,8 % et un taux de rappel (pourcentage de défauts pouvant être détectés) de 76,2 %. 

Prévoir les échecs 

Au cours des deux phases de mise en œuvre, Predict a identifié 17 défaillances de composants qui ont été vérifiées par les dossiers de maintenance et les inspections des équipes de maintenance.  

Le graphique ci-dessous montre l'éventail des défaillances de composants identifiées par Predict : 

Trois problèmes identifiés par Predict 

La valeur de Predict repose sur la possibilité d'éviter les temps d'arrêt non planifiés et de pouvoir effectuer des réparations mineures avant que des réparations majeures ne soient nécessaires. Voici trois exemples des problèmes que nous avons identifiés pour l'entreprise. 

Exemple 1 : Températures élevées dans le système de conversion 

Prévoir les températures élevées détectées dans quatre éléments du système de conversion d'une turbine.  

Le graphique ci-dessous montre une comparaison entre les températures réelles et les températures estimées par le modèle pour une composante. Vous pouvez constater que Predict a été en mesure d'identifier une anomalie difficile à repérer à l'œil nu.  

Nous avons informé leur équipe du problème et les ingénieurs ont inspecté l'éolienne, mais n'ont pas effectué d'évaluation détaillée.  

Les alertes Predict se sont poursuivies et les températures ont commencé à augmenter. La turbine a finalement été arrêtée et les ingénieurs ont découvert un ventilateur IGBT obstrué qui devait être nettoyé. 

Les avantages d'une détection précoce : 

• Temps d'arrêt réduit (environ 9 heures) 
• Maintenance contrôlée 
• Réduction du stress et de l'usure grâce à des arrêts/démarrages fréquents 

Exemple 2 : Températures élevées dans l'huile hydraulique 

La prédiction a indiqué des températures élevées de l'huile hydraulique dans l'une des turbines.  

Les températures réelles étaient bien plus élevées que celles estimées (voir le graphique ci-dessous). Predict avait détecté un problème similaire dans une autre turbine, ce qui a été vérifié à l'aide de données historiques. L'entreprise a pu informer son équipe de maintenance de la cause probable, à savoir un problème au niveau du raccord tournant dans le système hydraulique central.  

L'équipe de maintenance a vérifié le problème et a programmé une maintenance proactive pour y remédier. 

Les avantages d'une détection précoce : 

• Prévention de six jours d'immobilisation, ce qui était le cas lors d'une panne similaire 
• Évite les pannes et les contraintes supplémentaires sur les autres composants 

Exemple 3 : surchauffe de la boîte de vitesses 

Predict a détecté des températures élevées dans un réducteur de turbine. Ce léger écart était trop faible pour être détecté par le système SCADA (voir le graphique ci-dessous), mais Predict avait déjà détecté un problème similaire sur le parc d'un autre client. Dans l'autre cas, une vanne de dérivation thermique a été remplacée et les températures sont revenues à la normale.  

L'entreprise a vérifié le dossier de maintenance de cette turbine et a constaté que, dans ce cas, le problème était également lié à une soupape de dérivation thermique. 

Les avantages d'une détection précoce : 

• A permis d'éviter environ 46 heures d'immobilisation 
• Réduire les contraintes sur les composants de la boîte de vitesses 
• Prolonger la durée de vie des composants et de l'huile de lubrification 

Conclusion 

Cette étude de cas montre comment Greenbyte Predict utilise une modélisation avancée pour aider les propriétaires à maintenir les turbines en fonctionnement et à augmenter leur rendement. Si vous protégez les pièces, vous protégez les profits. 

Plutôt que de réagir aux pannes, Predict vous donne la possibilité d'être proactif dans votre stratégie d'exploitation et de maintenance. Au lieu de vous précipiter pour remettre en service des turbines à l'arrêt, vous pouvez programmer les réparations et la maintenance à un moment sûr et rentable.  

En outre, grâce à l'expérience d'autres parcs éoliens utilisant la plateforme Greenbyte, Predict peut anticiper un grand nombre des problèmes qui réduisent généralement la rentabilité. Cela signifie que Predict est particulièrement efficace pour la détection précoce des problèmes chroniques - le genre de problèmes qui sont faciles à résoudre, mais qui se répètent à plusieurs reprises et qui représentent une part considérable de la perte de production.  

Bien que les systèmes SCADA produisent généralement des alertes, il arrive que celles-ci ne soient pas activées.  

Par exemple, pendant les périodes de faible vent, l'éolienne peut ne pas atteindre sa pleine puissance, de sorte que la température peut ne jamais dépasser la limite fixée dans le SCADA. Cela illustre la manière dont les problèmes peuvent passer inaperçus pendant de longues périodes, ce qui réduit l'efficacité des projets, la durée de vie des composants coûteux et, en fin de compte, les temps d'arrêt dus à des opérations de maintenance non planifiées. 

Toutefois, ces derniers seraient repris par Greenbyte Predict. 

Vous souhaitez en savoir plus sur les solutions logicielles qui améliorent la productivité et la rentabilité de votre parc éolien ? Prenez contact avec nous !