I dagsläget är det svårt att uppskatta de framtida kostnaderna för nya körsätt och dess påverkan på utrustningens livslängd. Automatiserade övervakningsmetoder skulle kunna möjliggöra identifiering av beteendeförändringar i vattenkraftaggregat, samt ger underhållspersonal beslutstöd och vägledning i sitt arbete. Detta är vad projektet Condition monitoring for the identification of behavioral changes in hydropower units har undersökt – hör Lars-Johan Sandström från Luleå tekniska universitet att berätta om projektet och dess resultat i detta lunchwebbinarium.
När vattenkraften kompenserar för att stabilisera elnätet vid den oundvikliga variabiliteten som förnybara energikällor medför, innebär det att turbinena inte alltid arbetar vid det stabila BEP-tillståndet, best efficiency point. Detta orsakar flödesinstabilitet med tryckfluktuationer, lastvariationer och kavitation, vilket kan försämra maskinerna och minska dess effektivitet – ett hållbart energiproduktionssystem kan därmed inte uppnås om inte dessa skadliga effekter mildras och turbinerna anpassas till de nya körsätten. I detta SVC-projekt utvecklas artificiell intelligens för att upptäcka och kontrollera oönskade och skadliga strömningsinducerade svängningar för att förlänga turbinens livslängd. En välutvecklad och tränad AI-modell kan inte bara upptäcka förekomsten av skadliga strömningsfenomen, utan den kan också fatta optimala beslut för att minska och kontrollera sådana fenomen. Saeed Salehi berättar mer om projektet Artificial intelligence for enhanced hydraulic turbine lifetime den 23 februari.