Projekt

Automatiserad turbinövervakning med maskininlärningsmetoder

Turbiner styrs och slits på ett annat sätt än tidigare på grund av ett ökat behov av elkraftreglering till följd av ökad användning av andra förnybara energikällor. Det gör att behovet av underhåll ökar såväl som risken för oförväntade haverier. Det i sin tur gör det svårt att uppskatta hur leveranssäkerheten påverka och hur stora de framtida kostnaderna för reglering kommer att vara.

Syftet med projektet är att utveckla verktyg och metoder som gör det möjligt att identifiera beteendeförändringar hos individuella turbiner vilket förenklar för industrin att göra riktade underhållsinsatser och att lära sig mer om hur förändrade driftförhållanden påverkar turbinens livslängd.

Projektet kommer att bidra till att vattenkraften kan utöka sin nyckelroll som reglerresurs i kraftsystemet. Effekterna av ökad reglering på vattenkraftsaggregatens livslängd är idag osäkra, och automatiserad turbinövervakning med hjälp av maskinlärningsmetoder bidrar till en ökad förmåga att göra riktade och effektiva underhållsinsatser.

Resultaten kommer också att öka leveranssäkerheten genom att reducera risken för oförväntade haverier och oplanerat underhåll genom en bättre produktionsplanering.

Mål med projektet är:

  • Att etablera en plan för hur datainsamling ska genomföras för att möjliggöra effektivt användande av tillgängliga och i projektet utvecklade metoder för dataanalys och maskininlärning.
  • En jämförelse av befintliga metoder för tillståndskontroll med maskininlärningsmetod baserat på befintligt data.
  • En fördjupad analys av hur maskinlärning kan användas för att detektera beteendeförändringar hos vattenkraftsturbiner.
  • En slutrapport med projektets huvudsakliga resultat, slutsatser från referensgruppsmöten samt potential för användning och spridning.

Om projektet

Projektledare

Kim Berglund Luleå tekniska universitet

Tid

juni 2019 - december 2020