Энергия ветра — один из самых благоприятных возобновляемых источников энергии в мире. Совокупная установленная мощность достигла 430 ГВт во всем мире в 2015 году со средним темпом роста 20% за последние 10 лет. В настоящее время подавляющее большинство установок ветряных электростанций находится на берегу. Однако использование оффшорных ветряных электростанций резко возрастает. Доля морских установок достигла 3% в 2015 году по сравнению с 1% в 2010 году, и ожидается, что эта тенденция сохранится.

Производство ветровой энергии сильно различается во времени и пространстве, что вносит дорогостоящую неопределенность в финансирование и эксплуатацию ветряных электростанций. Аналитика больших данных открывает множество возможностей для преодоления этих неопределенностей. Крупные производители ветряных турбин уже начали предлагать продукты и услуги, использующие большие данные. Внедрение аналитики больших данных возможно за счет генерации и сбора нужного объема данных с оптимальной скоростью, совместимой с вычислительными навыками предприятия.

Аналитика больших данных при использовании электрической энергии ветра

General Electric (GE), один из крупнейших производителей ветряных турбин, разрабатывает современные ветряные электростанции с 50 датчиками в каждой турбине. Данные генерируются с разной скоростью в зависимости от цели анализа в этих датчиках. Первый уровень анализа начинается в турбине каждые 40 миллисекунд, чтобы оптимизировать шаг лопастей и решить, будет ли произведенная электроэнергия храниться или подаваться в сеть в зависимости от доступных систем хранения. Второй уровень анализа происходит на ферме. Контроллер фермы анализирует 30 сигналов от каждой турбины с частотой 160 миллисекунд, чтобы обеспечить предсказуемую мощность. Кроме того, контроллер фермы использует 200 кластеров данных с интервалом в 1 секунду от каждой турбины для оценки состояния и производительности турбины. Позже предварительно обработанные данные передаются в удаленный центр мониторинга с интервалом в 1 минуту.

Специалисты по обработке данных и инженеры, размещенные в центрах удаленного мониторинга, проводят анализ для повышения общей производительности ферм и готовят рекомендации. Более того, исторические данные об эксплуатации используются в суперкомпьютерах для выявления корреляций и критических проблем между всеми турбинами. Эти идеи важны для управления производительностью активов, включая профилактическое обслуживание, управление запасами запчастей и т. д. И, наконец, операционные данные фермы объединяются с другими данными предприятия (например, финансовыми данными, данными рынка электроэнергии) для отчета о производстве электроэнергии и прогнозах.

Определение оптимального места для установки ветряных турбин

Точное размещение ветряной турбины имеет большое значение для ее производительности. Самое ветреное место не обязательно означает лучший выбор для установки турбины. Турбулентность является решающим фактором для срока службы турбины, поскольку она приводит к деформации компонентов. Кроме того, наличие точной информации о местоположении позволяет создать виртуальную компоновку ветряной электростанции до того, как будут сделаны инвестиции. Такой упреждающий подход позволяет получить правильную конфигурацию турбин, такую, как высота башни и диаметр ротора.

Для получения полезных знаний требуется аналитика больших данных. Vestas-IBM Vestas, мировой производитель ветряных турбин, объединяет метеорологические данные с 35 000 метеостанций с историческими эксплуатационными данными компании с 50 000 ветряных турбин по всему миру, чтобы получить более точную карту ветров. Размер данных составляет примерно 2,8 петабайта и включает 160 факторов, таких как температура, атмосферное давление, влажность, осадки, направление и скорость ветра, высота над уровнем моря, топография и спутниковые изображения.

Компания смогла уменьшить сетку данных о ветре с 27×27 км до 10×10 м с помощью инструмента анализа больших данных IBM InfoSphere BigInsights. Теперь Vestas может прогнозировать количество энергии, которое будет генерироваться в определенном месте во время планирования проекта, с учетом нескольких часов вычислительного времени. Обычный прогноз с меньшей точностью может занять несколько недель из-за точечных измерений, оценки ветра и турбулентности.

Оптимизация работы электрогенераторов

Прогностический анализ огромных объемов данных делает операции более заметными и предсказуемыми. Как только операции станут более заметными в масштабе времени, близком к реальному, повседневные действия на ветряной электростанции и планы работы можно будет автоматизировать, что приведет к снижению эксплуатационных расходов. Сравнивается мониторинг в реальном времени фактической и потенциальной выходной мощности, включая возможные причины отсутствия полного потенциала. Кроме того, рекомендации по устранению проблемы предоставляются через исторические данные о работе, которые подходят для конкретного случая.

Расположение лопастей очень важно для наиболее эффективного преобразования энергии. В идеале это позиционирование должно осуществляться в реальном времени, поскольку скорость ветра меняется мгновенно. Мониторинг производительности в режиме реального времени с использованием необходимого управляющего оборудования может также увеличить выходную мощность, что приведет к более высокому годовому производству энергии на ветряной электростанции. Это достигается путем настройки таких параметров, как скорость, крутящий момент и шаг.

General Electric — один из пионеров внедрения больших данных в ветроэнергетическом секторе. Они предоставляют интеллектуальные услуги во многих приложениях, связанных с производством энергии ветра. Обзорное программное обеспечение способно предоставить огромное количество информации о рабочем состоянии ветряной электростанции.

В реальном времени проводится сравнение потенциальной и реализованной генерации с предложениями по устранению разрыва. Цифровой план дня, программное обеспечение для оптимизации повседневной деятельности ветряной электростанции, визуализирует данные, связанные с отказами турбин, погодой и имеющимся персоналом на местах. Он оптимизирует оптимальное рабочее решение для увеличения производительности. PowerUp, еще одна служба General Electric, настраивает работу ветряной турбины, регулируя такие параметры, как скорость трансмиссии, крутящий момент, тангаж и рыскание, чтобы увеличить годовое производство энергии (AEP). Услуга увеличила AEP до 10% в некоторых развернутых ветряных электростанциях.

Управление эффективностью активов производства электроэнергии

Разработчикам ветроэнергетики важно иметь готовые турбины к работе в любое время, когда есть ветер. Максимальное увеличение доступности турбин увеличивает рентабельность. Ветроэнергетика, будучи отраслью, ориентированной на активы, может работать более безопасно и надежно с помощью управления эффективностью активов на основе данных (APM). Преимущества APM, управляемого данными, перечислены ниже:

• Сокращение незапланированных простоев турбин и, как следствие, повышение доступности.
• Предотвращение дорогостоящего аварийного ремонта за счет раннего обнаружения проблем.
• Сокращение ненужного текущего обслуживания, которое создает риски и снижает доступность.
• Снижение затрат на инвентаризацию, поскольку решения по хранению запасных частей и логистике принимаются на основе количества отказов.
• Повышение показателей здоровья и безопасности за счет снижения количества инцидентов, связанных с активами.

Целостный подход APM состоит из мониторинга состояния машин и оборудования (M&E), управления надежностью и оптимизации стратегии активов. Мониторинг состояния M&E обеспечивает всестороннее представление о производительности активов за счет использования данных в реальном времени, сигналов тревоги, событий и других операционных данных, что позволяет управлять надежностью. Это тип управления, который предотвратит незапланированные простои. Он начинается с записи действий, предпринятых экспертами во время устранения ошибки (т. е. преобразования неструктурированных контрольных заметок в структурированные наборы данных), и объединяется с данными мониторинга и оценки для выявления прогнозного анализа. Наконец, оптимизация стратегии активов — это процесс улучшения, который обновляет процедуры управления активами в зависимости от обратной связи, предоставляемой отчетами по управлению надежностью.

General Electric предлагает комплексное управление активами с помощью своей концепции цифровой ветровой электростанции. Мониторинг оборудования осуществляется с помощью датчиков внутри каждой турбины, расположенной в зоне рыскания гондолы, для измерения крутящего момента генератора и скорости вершин лопастей. Позже проводится прогнозный анализ для определения отказов до того, как они произойдут, с помощью анализа потенциальных рисков.

Решения от SIEMENS

Wind Power Siemens — крупная многонациональная технологическая корпорация, основанная в 1847 году и базирующаяся в Мюнхене, Германия, с заявленной выручкой в 2015 году в размере 90,8 миллиарда евро. Siemens производит свои ветряные турбины с датчиками, которые измеряют вибрации в корпусе трансмиссии, генераторе и подшипнике главного вала на лопастях ротора. Данные датчика передаются в центр обработки данных вместе с данными о погоде. Центр использует эти данные для выявления аномалий и прогнозирования сбоев. В некоторых случаях отказ подшипника может быть обнаружен за год до срока его замены. Услуги удаленного мониторинга и диагностики обеспечивают гибкость в планировании технического обслуживания и играют важную роль в сокращении затрат на управление активами.

Прогнозирование работы электрогенераторов

Прогнозирование выходной мощности в кратчайшие сроки и с максимальной точностью хорошо работает для коммунальных предприятий, поскольку им нужна эта информация для управления энергосистемой / диспетчеризацией нерегулярной генерации, торговли энергией и управления портфелем, финансового прогнозирования и нормативных требований. Следовательно, попытки прогнозировать выходную мощность предпринимались с 1980-х годов, до наступления эры больших данных. Первые попытки использовали только данные о скорости ветра и статистические алгоритмы. Следовательно, более короткие интервалы приводили к неточным прогнозам.

Начиная с 2000-х годов, более точные прогнозы стали достигаться благодаря развитию алгоритмов машинного обучения и инструментов для работы с большими данными. HyREF от IBM Hybrid Renewable Energy Forecasting (HyREF), разработанное IBM, представляет собой программное обеспечение, которое анализирует большие объемы данных о погоде, собранных датчиками, и данных о мощности, собранных с помощью приборов, с целью прогнозирования выходной мощности ветряной электростанции с высокой точностью. Он может оценивать выработку электроэнергии каждые 15 минут в сверхкоротке (0-4 часа), в краткосрочной перспективе (4-72 часа) и в ближайшей перспективе (до 1 месяца). Более того, он может обнаруживать экстремальные условия и предупреждать оператора. На экране программного обеспечения желтая линия представляет прогнозируемое производство энергии, а синяя линия обозначает фактическое производство энергии. Тесная связь между линиями доказывает точность (более 90%) HyREF.

WeatherSentry от Vaisala и Schneider Electric WeatherSentry — это программное обеспечение, разработанное Vaisala в сотрудничестве с Schneider Electric. В отличие от HyREF, WeatherSentry использует только измерения скорости ветра от турбин и исторические данные о погоде в местоположениях ветряных электростанций. Он совместим с существующими системами мониторинга ветряных электростанций. Он выделяется как экономичное решение и используется более чем 130 ГВт установленной мощности ветроэнергетики по всему миру.