I det här webbinariet kommer Xiao Lang från Chalmers tekniska högskola och Andrea Toffolo från Luleå tekniska universitet att berätta om två projekt som undersökt maskininlärningens möjligheter för vattenkraften. Mattias Nässelqvist, Head of Section Machinery Laboratory, från Vattenfall R&D diskuterar resultaten och sätter de i kontext för industrin i slutet av webbinariet.
Machine learning for optimization of pump operation under transients in hydraulic turbine rigs: Vattenkraftverk används allt mer under transient drift för att balansera elnätet, vilket orsakar mer slitage och minskar maskinernas livslängd. Det finns därför ett behov av att utveckla tester av transienter i test-riggar för vattenturbiner, under vilka det är särskilt svårt att garantera en konstant fallhöjd. Detta pilot-projekt syftade till att undersöka möjligheten att använda maskininlärning för att styra pumparna i en turbinrigg för att hålla en konstant fallhöjd genom transienter. Metoderna har även potential för användning i vattenkraftverk för optimering av transient turbindrift, samt för att identifiera avvikelser eller förutse behovet av underhåll. Xiao Lang berättar mer i webbinariet.
Turbine power characteristic prediction with artificial neural network: ANN (Artificial Neural Network) är modellering baserat på maskininlärning. För hydrauliska turbiner kan dessa modellera relationer mellan effekt och olika tryckpulsationer, genom att få givet särskilda driftsförhållanden. Det här projektet undersökte vilka grundläggande krav som behövs för att kunna bygga en ANN-modell. Hör Andrea Toffolo berätta om resultaten.