Инженерные компетенции
Снижение эксплуатационных расходов с помощью статистического подхода

Надёжная работа

Сфера ветроэнергетики отличается неизбежно высокими расходами на эксплуатацию и техобслуживание. Неэффективная стратегия эксплуатации и техобслуживания постоянно увеличивает эти расходы из-за упущенных возможностей раннего выявления неисправностей, которые зачастую приводят к отказам основных компонентов и долгим простоям.

Материалы по теме

Резюме

Применение статистического метода мониторинга состояния ветряных турбин помогает операторам контролировать расходы на эксплуатацию и техобслуживание. SKF использует накопленные знания и обширную базу данных о тысячах ветряных турбин по всему миру для разработки более эффективных способов прогнозирования и предупреждения возможных критических отказов оборудования. Тем самым компания помогает обеспечить максимальную эффективность эксплуатации и прибыльность ветряных установок.

СЕГОДНЯ РАСХОДЫ на эксплуатацию и техобслуживание оборудования ветряных электростанций в Европе составляют примерно 20 % от нормированной стоимости энергии. С помощью статистического метода SKF надеется повысить эффективность мониторинга состояния оборудования и сократить общую стоимость эксплуатации ветряных турбин.

По мере старения и износа ветроэнергетических установок увеличивается вероятность отказов компонентов и дефектов после окончания срока действия гарантии производителей. В результате затраты на эксплуатацию и техобслуживание увеличиваются. Поскольку около 75 % всех установленных в Европе прибрежных ветряных турбин эксплуатируются менее 10 лет, в будущем важность вопросов эксплуатации и техобслуживания значительно увеличится.

SKF разрабатывает решения для сокращения эксплуатационных затрат в течение всего срока службы ветряных турбин и удовлетворения требований операторов в отношении эффективности и высокой эксплуатационной готовности турбин.

Разработка эффективной стратегии эксплуатации и техобслуживания
Системы мониторинга состояния оборудования занимают центральное место в процессе эксплуатации и техобслуживания. В основном мониторинг состояния заключается в диаг­ностике состояния оборудования в процессе его работы. Успешная программа мониторинга предполагает сбор данных по конкретным параметрам, их интерпретацию и последующее использование. Системы мониторинга состояния не только помогают операторам ветро­энергетических установок снизить вероятность критических отказов, но также позволяют выполнять максимальный объём ремонтных работ на месте, поддерживать необходимый объём запасных частей, назначать персонал и оборудование, а также планировать дополнительный ремонт на время простоев.

Рис. 1: Ассортимент продукции, услуг и решений SKF для сферы ветроэнергетики.

Опыт и знания SKF как ведущего поставщика для ветроэнергетики позволили внести вклад в разработку сложных отраслевых инструментов, снижающих расходы на эксплуатацию и техобслуживание. Для ветроэнергетики SKF предлагает различные решения (рис. 1) в области подшипников, уплотнений и систем смазывания. С 2007 г. компания также разрабатывает системы мониторинга состояния оборудования на основе показателей вибрации и предлагает услуги по удалённому мониторингу.

Сегодня к ним относится комплексное программное обеспечение и услуги по мониторингу, обеспечивающие реализацию программ техобслуживания по фактическому состоянию для периодического и непрерывного мониторинга ветряных турбин с помощью Интернет-соединения. Для реализации услуг SKF по удалённому мониторингу используются такие инструменты мониторинга состояния SKF, как стационарная система SKF IMx, специально разработанная для ветряных турбин. На основании результатов мониторинга специалисты выполняют анализ данных и передают его результаты по сети Интернет, что даёт операторам возможность принимать объективные решения.

Компетенция и опыт
С 2005 г. SKF установила более 5000 систем мониторинга состояния оборудования по всему миру, около 2000 из которых обслуживаются SKF. Эти системы обеспечивают мониторинг более 40 различных типов ветряных турбин, изготовленных пятнадцатью различными производителями. Это значит, что в центре удалённого мониторинга SKF накоплен большой объём данных о работе оборудования и потенциальных причинах отказов. Анализ данных о вибрации помог оценить динамическое поведение оборудования.

Рис. 2: Принцип выполнения мониторинга вибрации.

На рис. 2 показана методика проведения мониторинга вибрации. Датчики ускорения, измеряющие уровень вибрации, собирают данные о важнейших узлах генератора и редуктора, а также о подшипниках главного вала и ротора. Система мониторинга, например, SKF IMx, сопоставляет эти данные и посылает автоматические предупреждения в центр удалённой диагностики SKF. В зависимости от конфигурации и расположения ветряные турбины могут иметь индивидуальные настройки аварийных сигналов, которые назначаются на этапе установки, чтобы обеспечить максимальную эффективность мониторинга для конкретных турбин.

Это позволяет получать параметры работы оборудования и собирать специфическую информацию о разных типах неисправностей. Развитие новых статистических методов анализа позволило SKF на основании собранных данных вывести систему мониторинга состояния оборудования на новый уровень производительности и эффективности.

Объём данных, собираемых на одной крупной ветроэнергети­ческой установке, действительно впечатляет. Как правило, на ветряной турбине с редуктором установлено около восьми датчиков, каждый из которых в среднем выполняет измерения трёх параметров. В сумме получается 24 индикатора, которые передают параметры одного спектра и общее значение. Данная информация собирается устройством для мониторинга состояния и отправляется через Интернет по проводному или беспроводному соединению на сервер мониторинга состояния, который может располагаться в любой точке планеты. В среднем при одной ежедневной отправке данных по одной ветряной турбине за год передаётся около 9000 спектров для анализа. Для парка ветроэнергетических установок, который может состоять из сотен турбин, эти данные невозможно объективно проанализировать без использования методов статистического моделирования.

Статистическое моделирование
Статистическое моделирование подразумевает сравнение данных, полученных от разных ветроустановок, с учётом различий в местонахождении и конструкции. Сначала SKF сравнивает сопоставимые данные, а затем используются данные за прошедшие десять лет мониторинга ветряных электростанций различных типов. Данные за прошлый период применительно к определённому типу ветроус­тановки дают общую информацию для любой установки, мониторинг состояния которой начинает SKF.

Требования к мониторингу состояния ветряных турбин уникальны и не имеют аналогов в других отраслях. Ветряные турбины – это исключительно сложное оборудование, которое отличается множеством переменных параметров. Например, невозможно применить одну модель уровня срабатывания аварийной сигнализации ко всем видам установок, а значит, для быстрого сравнения сопоставимого оборудования необходимо разрабатывать специальные модели аварийной сигнализации. Однако сделать это в разумные сроки без учёта статистики, фильтрования и отбора данных было бы невозможно.

Постоянно растущий объём данных о производительности ветряной турбины за прошедший период чрезвычайно полезен, особенно если он охватывает полный жизненный цикл установки, начиная с её монтажа. К сожалению, это не всегда возможно. Несмотря на увеличение числа турбин, которые при производстве оснащаются системой мониторинга состояния, большинство действующих ветроустановок требуют модернизации. Как правило, это происходит по окончании срока действия гарантии или если оператор или сервисная компания заключают новый контракт на техобслуживание.

Однако для повышения точности статистического анализа чрезвычайно важно выбрать правильные кинематические данные. Система имеет определённые опции, которые позволяют проводить сканирование на предмет теоретически возможных неисправностей. Автоматическое сканирование основывается на фактической информации о типах компонентов в системе. Каждый редуктор имеет собственную теоретичес­кую частоту, поэтому без данных о внутренней кинематике турбины специалисту по аналитике приходится делать некоторые допущения. Благодаря обширной накопленной базе данных SKF располагает подробной информацией о компонентах и пониманием процессов, происходящих внутри редуктора и генератора.

Рис. 3: Анализ парка ветроэнергетических установок.

Особенности сферы применения
Опыт показывает, что для анализа разных компонентов ветряных турбин требуется разный уровень квалификации. Например, неисправность подшипников генератора выявляется относительно легко, а в случае подшипников планетарной передачи и зубчатых колёс могут возникнуть трудности. Поэтому SKF разработала специальные алгоритмы, направленные на обнаружение неисправностей, связанных с планетарными передачами.

Это особенно важно, поскольку, например, анализ, проведённый SKF для одного из клиентов, показал увеличение гармоник спектра планетарной передачи на 1,2 Гц, что сигнализирует о необходимости дальнейшей проверки оборудования. Во время визуальной проверки были выявлены трещины на шестерне промежуточного вала, которые могли привести к критическому отказу. Благодаря раннему вмешательству оборудование было остановлено, и ремонт был выполнен до того, как произошёл более серьёзный и дорогостоящий отказ турбины.

Рис. 4: Использование статистики для выявления проблемного оборудования.

Выявление проблем с помощью статистики
Основной задачей является быстрое определение турбины, которая требует дальнейшей проверки. Статистический метод позволяет специалистам проверить данные сигналов вибрации и определить возможные неисправности, и, таким образом, дополняет традиционную диагностику.

Используя статистическое моделирование, SKF стремится расширить свои возможности анализа ветряных установок на основе мирового опыта, накопленного в результате анализа более 2000 турбин. Для этой цели будет построена статис­тическая модель сравнения уровня вибраций каждой модели турбины и её компонентов для различных мест эксплуатации и условий нагружения. Эта цель будет достигнута благодаря усовершенствованию методики, проведению регулярных совещаний специалистов SKF, обмену информацией и идеями, а также созданию глобальной сети в рамках системы мониторинга состояния ветряных турбин.

Рис. 5: Данные за 6 месяцев по ветряной турбине мощностью 2 МВт показали увеличение уровня вибраций, что указало на необходимость дальнейшей проверки и ремонта.

Преимущества для операторов
Усовершенствование метода статистического моделирования позволит обрабатывать аварийные сигналы таким образом, что операторы будут получать информацию только о тех неисправностях, которые способны снизить производительность. Для повышения эффективнос­ти эксплуатации операторам необходимо изменить стратегию техобслуживания и перейти с плановой модели на техобслуживание по фактическому состоянию. Этому будет способствовать тот факт, что точность и охват систем мониторинга состояния будут расти по мере развития технологий. Одним из следующих технологических шагов будет интеграция таких источников информации, как температура и технологические параметры, и включение их в процесс диагностики вибрации.

Ещё одна тенденция – интеграция данных мониторинга состояния в другую, более глобальную систему для улучшения корреляции данных. Это хороший стимул для производителей турбин, однако высокая стоимость становится существенным препятствием. Учитывая большое количество ветряных турбин, важным аспектом является снижение этой стоимости. Задача SKF – сделать технологию более доступной.

Подводя итоги
Результаты использования технологии мониторинга вибрации SKF на ветроустановках в течение десяти лет показали, что мониторинг может повысить эксплуатационную готовность ветряных электростанций на 1 % и снизить расходы на эксплуатацию и техобслуживание на 2 %. Благодаря системе мониторинга состояния, в основе которой лежит статистический метод анализа, операторы могут сэкономить до 5000 евро на одной турбине в год. Можно с уверенностью утверждать, что для операторов будет актуально даже минимальное увеличение эффективности для поддержания прибыльности. И основным средством достижения этого является улучшение прогнозирования в рамках статистической системы мониторинга состояния.