Inteligentny monitoring dużych turbin wiatrowych

• Autorzy: Bielecki A.

Warianty tytułu

EN

Intelligent monitoring of big wind turbines

• Języki publikacji: PL

Abstrakty

PL

Rozwój energetyki odnawialnej jest obiecującą alternatywą dla energetyki termalnej i jądrowej. Energetyka wiatrowa jest z kolei jedną z ważniejszych gałęzi energetyki odnawialnej. Jej atrakcyjność wynika z istnienia na kuli ziemskiej dużych zasobów energii wiatrowej, znacznie przekraczających aktualne globalne zapotrzebowanie na energię elektryczną. Z energetyką wiatrową wiążą się jednak istotne problemy eksploatacyjne. Wysokie koszty napraw i remontów dużych turbin wiatrowych generują zapotrzebowanie na skuteczne systemy ich monitoringu. Pomiar drgań układu kinematycznego i konstrukcji nośnej jest jednym z głównych zadań inteligentnego monitoringu. Standardowy monitoring turbin wiatrowych polega na sztywnym ustawieniu progów dla poszczególnych parametrów. W ramach badań dotyczących możliwości stworzenia bardziej elastycznego systemu monitoringu dużej turbiny zbadano zdolność sieci rezonansowej ART do klasteryzacji zarówno stanów operacyjnych turbiny, jak też sygnałów drganiowych. Opisany w artykule hybrydowy system inteligentnego monitoringu turbiny wiatrowej udowodnił swoją skuteczność jako system monitoringu i wczesnego ostrzegania. System dokonuje poprawnej klasyfikacji stanów turbiny bez usterki, natomiast usterki wykrywa w praktyce natychmiast po ich wystąpieniu.

EN

Development of power industry based on renewable energy sources is a promising alternative to thermal and nuclear energy while wind power is in turn one of the more important branches of the aforementioned renewable energy. Its attractiveness results from the fact that there are big wind energy resources on earth considerably exceeding the actual global demand for electricity. But wind power is accompanied by significant operational problems. High costs of repairs and overhauls of big wind turbines create demand for efficient systems of their monitoring. Measurement of vibrations of kinematic systems and supporting structures is one of the main tasks of intelligent monitoring. Standard monitoring of wind turbines is based on setting rigid thresholds for individual parameters. Within the framework of the research on the possibility to create more elastic system of big wind turbines monitoring, investigated was the ability of the ART resonance network for clusterization of both a turbine operational condition and vibration signals. Described here the hybrid system of a wind turbine intelligent monitoring proved its efficiency as the monitoring and early warning system. The system properly classifies a turbine trouble-free condition while all defects are detected practically immediately after they occur.

Słowa kluczowe

PL

energetyka wiatrowa; turbina wiatrowa duża; hybrydowy system inteligentnego monitoringu turbiny wiatrowej

EN

wind energy; big wind turbines; hybrid system of a wind turbine intelligent monitoring

• Wydawca: Oficyna Wydawnicza Energia [Stowarzyszenie Elektryków Polskich - COSiW]
• Czasopismo: Energetyka
• Rocznik: 2018
• Tom: nr 8
• Strony: 435--439
• Opis fizyczny: Bibliogr. 26 poz., rys.

Twórcy

autor

Bielecki A.

• Akademia Górniczo-Hutnicza w Krakowie, Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej

Bibliografia

• [1] Barszcz Т., Bielecka M., Bielecki A., Wójcik M., Wind turbines States Classification by a fuzzy-ART neural network with a stereographic projection as a signal normalization, "Lecture Notes in Computer Science" 2011, vol. 6594, p. 225-234.
• [2| Barszcz Т., Bielecka M., Bielecki A., Wójcik M., Wind speed modelling using Weierstrass function fitted by a genetic algorithm, "Journal of Wind Engineering and Industrial Aerodynamics" 2012, 109, p. 68-78.
• [3] Barszcz Т., Bielecka M.. Bielecki A. Wójcik M., Włuka M., Stability of power grids with significant share of wind farms. Proceedings of the Second International Conference on Advances in Mechanical and Robotics Engineering AMRE'2014, p. 74-78.
• [4] Barszcz Т., Bielecki A., Bielecka M., Wójcik М., Włuka М., Vertical axis wind turbine states classification by а ART-2 neural network with a stereographic projection as a signal normalization [w:] Chaari et al. - eds., Advances in Condition Monitoring of Machinery in Non-Stationary Operations, series "Applied Condition Monitoring" 2016, vol. 4, p. 265-275.
• [5] Barszcz Т., Bielecki A., Wójcik M., ART-type artificial neural networks applications for classification of operational states in wind turbines, "Lecture Notes in Artificial Intelligence" 2010, vol. 6114, p. 11-18.
• [6] Barszcz Т., Bielecki A., Wójcik M., Bielecka М., ART-2 artificial neural networks applications for classification of vibration signals and operational state of wind turbines for intelligent monitoring |w:] Advances in Condition Monitoring of Machinery in Non-Stationary Operations, seria "Lecture Notes in Mechanical Engineering" 2014, p. 679-688.
• [7] Bielecka M., Barszcz Т., Bielecki A., Wójcik M. " Fractal modelling of various wind characteristics for application in a cybernetic model of a wind turbine, "Lecture Notes in Artificial Intelligence" 2012, vol. 7268, p. 531 -538.
• [8] Bielecki A., Matematyczne podstawy sztucznych sieci neuronowych, „Matematyka Stosowana" 2003, vol. 4, p. 25-55.
• [9] Bielecki A. (2018), Duże turbiny wiatrowe z pionową osią obrotu - obiecująca innowacja, „Energetyka" 2018, nr 6, s. 276-279.
• [10] Bielecki A., Models of Neurons and Perceptrons: Selected Problems and Challenges, Springer, series "Studies in Computational Intelligence" 2018.
• [11] Bielecki A., Barszcz Т., Wójcik M., Modelling of a chaotic load of wind turbines drivetrain, "Mechanical Systems and Signal Processing" 2015, vol. 54-55, p. 491-505.
• [12] Bielecki A., Barszcz Т., Wójcik M., Bielecka M., Hybrid system of ART and RBF neural networks for classification of vibration signals and operational states of wind turbines, "Lecture Notes in Artificial Intelligence" 2014, vol. 8467, p. 3-11.
• [13] Bielecki A.. Wójcik M. (2017), Hybrid system of ART and RBF neural networks for online clustering. "Applied Soft Computing" 2017. vol. 58, p. 1-10
• [14] Boczar Т., Energetyka wiatrowa. Aktualne możliwości wykorzystania. Wydawnictwo PAK, Warszawa 2008.
• [15] McCulloch W.S., Pitts P.H., A logical calculus of the ideas immanent in nervous activity, 'Bulletin of Mathematical Biophysics" 1943, vol. 5, p. 115-133.
• [16] Flasiński M., Wstęp do sztucznej inteligencji, Wydawnictwo Naukowe PWN, Warszawa 2011.
• [17] Hameeda Z., Honga Y.S., Choa T.M., Ahnb S.H., Son C.K., Condition monitoring and fault detection of wind turbines and related algorithms: a review. "Renewable and Sustainable Energy Reviews" 2009, vol. 13, p. 1-39.
• [18] Jabłoński A., Barszcz Т., Bielecka M., Automatic validation of vibration signals in wind farm distributed monitoring systems. "Measurement" 2011, vol. 44, 1954-1967.
• [19] Jabłoński A., Barszcz Т., Bielecka M., Brehaus P., Modeling of probability distribution functions for automatic threshold calculation in condition monitoring systems. "Measurement" 2013, vol. 46, p. 727-738.
• [20] Korbicz J., Obuchowicz A., Uciński D., Sztuczne sieci neuronowe. Podstawy i zastosowania. Akademicka Oficyna Wydawnicza PU. 1994.
• [21 ] Kusiak A., Li W. (2011), The prediction and diagnosis of wind turbine faults, "Renewable Energy" 2011, vol. 36, p. 16-23.
• [22] Osowski S., Sieci neuronowe w ujęciu algorytmicznym. Wydawnictwa Naukowo-Techniczne, Warszawa 1996.
• [23] Osowski S., Sieci neuronowe do przetwarzania informacji, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2006.
• [24] Tadeusiewicz R., Sieci neuronowe. Akademicka Oficyna Wydawnicza, Warszawa 1993.
• [25] Tadeusiewicz R., Problemy biocybernetyki, Wydawnictwo Naukowe PWN, Warszawa 1994.
• [26] Tytko R., Odnawialne źródła energii, OWG, Warszawa 2009.

Uwagi

Opracowanie w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).