Digital Technology

Miglioramento dell’accuratezza del monitoraggio delle turbine eoliche

Monitorare le condizioni di lavoro delle turbine eoliche è estremamente impegnativo. Ogni turbina è soggetta a costanti cambiamenti dovuti all’instabilità climatica, di conseguenza, una condizione che potrebbe causare forti sollecitazioni su alcuni componenti potrebbe essere erroneamente identificata come un difetto. Grazie allo sviluppo di un nuovo strumento diagnostico, SKF ha compiuto un importante passo avanti nel ridurre la possibilità che si verifichino falsi allarmi quando si monitorano i sistemi di trasmissione delle turbine eoliche.

Contenuto correlato

I sistemi di condition monitoring (CMS, Condition Monitoring Systems) sono ampiamente utilizzati per garantire la sicurezza in fase di esercizio e manutenzione delle turbine eoliche onshore e offshore. I falsi allarmi causati dalle condizioni climatiche però continuano a essere un problema. Ad esempio, una raffica o un colpo di vento potrebbe far cambiare continuamente l’angolo di inclinazione delle pale e creare allarmi di vibrazioni “falsi positivi”, che richiamerebbero l’attenzione dei tecnici analisti.

Protean, un nuovo strumento diagnostico, è stato sviluppato proprio per ridurre l’incidenza dei falsi allarmi distinguendo le sollecitazioni temporanee dai danneggiamenti. La sua funzione diagnostica è progettata per funzionare con il software per il condition monitoring SKF @ptitude Observer, ampiamente diffuso nel settore eolico per monitorare i sistemi di trasmissione delle turbine eoliche, e consente ai responsabili della gestione e della manutenzione (O&M, Operation and Maintenance) e ai tecnici dei sistemi di condition monitoring di concentrarsi su potenziali problemi di prestazioni effettive, mitigando il rischio di falsi allarmi. Per i clienti che lo hanno installato, questo può rappresentare un notevole risparmio di tempo e rendere il condition monitoring più efficiente ed efficace.

Come funziona Protean

Essenzialmente Protean riconosce le condizioni di lavoro della macchina e “apprende” il comportamento normale rispetto a diversi indicatori di condizione. Dopo un periodo di addestramento di circa una settimana, Protean imposta automaticamente i livelli di soglia per i vari indicatori di condizione definiti dall’operatore. Gli indicatori di condizione sono progettati per rilevare diverse tipologie di difetti, ad esempio difetti dei cuscinetti e degli ingranaggi, squilibrio, ecc. Questi indicatori di condizione vengono poi configurati per ogni componente della macchina; ciò significa che viene utilizzato almeno un indicatore di condizione per ogni cuscinetto installato. Se si verifica un allarme, Protean ricalcola il livello di soglia in base alla nuova situazione che ha portato all’attivazione dell’allarme. Pertanto, vengono generati nuovi allarmi soltanto nel caso in cui la condizione peggiori. Inoltre, un solo valore dell’indicatore di condizione superiore al valore di soglia non attiva alcun allarme. È necessario che “M di N” degli ultimi valori dell’indicatore di condizione siano superiori al livello di soglia per attivare l’allarme (i valori M e N vengono impostati conformemente alle migliori pratiche). Una volta eseguita la manutenzione, Protean rileva una diminuzione del livello dell’indicatore di condizione e ricalcola automaticamente il livello di soglia per indicare la nuova situazione.

Per dare un’idea, creare la configurazione di un sistema di condition monitoring per un parco eolico di 20 turbine comporterebbe l’impostazione di circa 1.000 indicatori. Eseguire questa operazione manualmente è semplicemente improponibile. Invece, applicando le regole diagnostiche del software SKF @ptitude ed effettuando il collegamento a Protean e al suo motore di intelligenza artificiale, è possibile configurare in modo semplice e rapido il sistema di condition monitoring.

Grazie al software per il condition monitoring di SKF è possibile automatizzare la diagnosi costruendo un modello matematico del sistema di trasmissione della turbina eolica mediante un semplice drag & drop dei componenti, come rotore elettrico, cuscinetti, ingranaggi, ingranaggi planetari, giranti, ecc. (fig. 1). Gli indicatori di condizione tradizionalmente si calcolano come valore assoluto, utilizzando le frequenze significative per il difetto da rilevare e sono progettati per reagire a un determinato difetto in un componente della macchina, come il disallineamento dell’albero, un difetto del cuscinetto, un difetto dell’ingranaggio o lo squilibrio del rotore. In aggiunta a questo, una regola diagnostica combina le ampiezze a determinate frequenze sulla base di dati cinematici; inoltre, il valore dell’indicatore di condizione si può anche calcolare come percentuale del rumore di fondo nella misurazione ed è quindi possibile eliminare il rumore che in precedenza aveva portato a un falso positivo.

Perché un sistema di condition monitoring funzioni in maniera ottimale, è importante che i sensori e l’hardware per il monitoraggio siano adeguati per l’attività da svolgere e posizionati correttamente secondo le linee guida e le caratteristiche del sistema di trasmissione. Per la maggior parte delle turbine eoliche in commercio sono disponibili dei modelli per assicurare che le configurazioni delle misurazioni vengano impostate correttamente (fig. 2).
Fig. 2. Gli elementi essenziali di un sistema di condition monitoring efficiente.

Protean può fare la differenza

Per un potenziale difetto di allentamento in un albero meccanico sono ampiamente utilizzate regole diagnostiche che consentono l’estrazione predefinita degli indicatori di condizione (fig. 3). Tramite l’archivio dei componenti è possibile eseguire la consueta configurazione; l’utente deve semplicemente regolare il livello di allarme e di pericolo oppure scegliere “auto” per lasciare che sia il software a calibrare il livello degli allarmi in base al comportamento della macchina al primo avvio. Se non si utilizza Protean (fig. 4), il sistema evidenzia l’aumento dell’allentamento meccanico, ma sarà necessario un intervento manuale per regolare i livelli di allarme.

Fig. 3
Fig. 4
Se invece si utilizza Protean (fig. 5), il sistema prende in considerazione il valore di riferimento, che è il comportamento normale sperimentato durante il periodo di apprendimento, e lo utilizza per impostare il livello di soglia per ogni indicatore di condizione. Il picco nel grafico mostra il superamento del livello di soglia, ma, poiché non vi sono M degli ultimi N valori al di sopra del livello di soglia, non è scattato alcun allarme. Quando il valore di un indicatore di condizione scende al di sotto della soglia minima (come in seguito a un intervento di riparazione della macchina), la logica dell’allarme controlla se almeno M degli ultimi N valori dell’indicatore di condizione sono al di sotto di tale soglia. In tal caso viene calcolato un nuovo livello di soglia minima e massima in base alle condizioni prevalenti. È normale che le turbine eoliche mostrino tali fluttuazioni (lo è meno per molti macchinari più stabili); l’algoritmo di Protean quindi è un’ottima soluzione nel settore eolico, perché consente di risparmiare tempo eliminando la necessità di intervenire manualmente.
Fig. 5.
In figura 6 è mostrato l’esempio dello sviluppo di un difetto in un cuscinetto dell’albero veloce del moltiplicatore. Quando si verifica la prima notifica, il livello di soglia viene ricalcolato utilizzando le ultime misurazioni precedenti alla notifica. In seguito il livello continua ad aumentare e si verifica una seconda notifica; quindi il livello di soglia viene ricalcolato. Il livello si riduce e questo genera un ricalcolo. Poi il livello aumenta di nuovo, viene attivato un allarme e viene eseguito un nuovo ricalcolo. Questo schema si ripete finché non si sostituisce il cuscinetto difettoso. Il nuovo cuscinetto determina una diminuzione significativa dei livelli di vibrazioni e la soglia viene ricalcolata. Poco tempo dopo il livello aumenta e viene attivato un allarme. Nonostante il ricalcolo, la situazione si stabilizza; il livello diminuisce lentamente e la soglia viene quindi ricalcolata. Tutte queste operazioni sono documentate nell’elenco degli allarmi.
Fig. 6
Nell’ultimo esempio è descritto il difetto di una ruota dentata. In un lasso di tempo di circa cinque anni è evidente la prima notifica di un difetto emerso nel 2016. Due anni dopo il difetto è ancora presente e nel 2019 il difetto è aumentato in modo significativo. L’ingranaggio difettoso è stato sostituito alla fine di quell’anno e le ultime misurazioni mostrano la condizione dopo la riparazione (fig. 7).
Fig. 7
Negli esempi pratici illustrati Protean ha ridotto il numero dei falsi positivi di almeno il 90 percento. L’utente non deve regolare ogni indicatore di condizione singolarmente ma può impostare degli opportuni template, e questo rappresenta un grande vantaggio. Altri vantaggi sono la capacità di Protean di ricalcolare le soglie dopo che si sono verificati gli allarmi e la sintonizzazione automatica delle soglie in seguito ad allarmi e interventi di manutenzione.

Protean è una soluzione di autodiagnosi molto affidabile, che offre una riduzione significativa dei falsi allarmi senza aumentare il rischio che i difetti non vengano rilevati. Evita ai tecnici responsabili del sistema di condition monitoring di svolgere attività noiose e ripetitive e consente loro di concentrarsi sui casi più problematici. Supporta e ottimizza i benefici di un sistema di condition monitoring efficiente in grado di rilevare i guasti e altre condizioni indesiderate in una fase precoce; consente di pianificare ed eseguire azioni correttive in modo tempestivo e con il livello di qualità richiesto ed evita danneggiamenti consequenziali alle macchine.

Per SKF Protean rappresenta un importante passo avanti nel miglioramento della rilevabilità, dell’accuratezza e dell’efficienza dei sistemi di condition monitoring delle macchine, non soltanto per le turbine eoliche ma per qualsiasi tipo di macchinario rotante. Sviluppi continui e nuovi strumenti sono essenziali perché i sistemi di condition monitoring possano diventare una tecnologia più intelligente e aiutare i clienti a eseguire i processi operativi e gli interventi di manutenzione in modo più efficiente.