Tilbake til søkeresultatene

IKTPLUSS-IKT og digital innovasjon

Perception & Fusion of Multidimensional Information & Cooperative Decision-making for Intelligent Diagnosis of Wind Turbine Critical Parts

Alternativ tittel: Flerdimensjonale informasjon og kooperativ beslutningstaking systemer for intelligent vedlikehold av kritiske komponenter i vind turbiner

Tildelt: kr 8,4 mill.

InteDiag var et universitetsdominert, bransjestøttet og kompetansekomplementært samarbeidsprosjekt mellom Norge og Kina med fokus på strukturell helse- og tilstandsovervåking samt feildeteksjon/diagnose for komponenter til land- og offshore-vindturbiner ved bruk av digitale teknologier. Prosjektet ble gjennomført i perioden 2020-2023, med to doktorgradsstudenter ved NTNU, som samarbeidet med de norske partnerne EDR & MEDESO AS (EDR) og SAFETEC NORDIC AS (SAFETEC). En av doktorgradsstudentene har jobbet med utviklingen av digital tvilling for drivverket til vindturbiner, der en metode ble utviklet og validert for å estimere belastningene på drivverket ved bruk av vibrasjons- og SCADA-data, med formålet å overvåke utmatting online. Den andre doktorgradsstudenten har jobbet med anvendelse av maskinlæringsmetoder for skadedeteksjon og diagnostisering av skader på girkasse, samt innovative metoder for skademodellering. Resultatene fra prosjektet har banet vei for utviklingen av online-fysiske og datadrevne digitale tvillinger, ikke bare for vindturbiner, men også for annet roterende maskineri.

The InteDiag project has contributed in developing theories, methods and models for wind turbine intelligent fault detection/diagnosis and structural health management. A demonstration platform that is composed of real and virtual parts through a digital twin model has been developed, to test and validate wind turbine intelligent operation and maintenance scheme. Potential impacts include key technologies for wind turbine multi-physics measurement, sensor layout optimization and networking transmission, parameter soft measurement, data quality assessment, by which it can address the issues of insufficient perceived information on wind turbine critical components and create the knowledge for understanding the multi-source heterogeneous data and their correlation under normal and fault conditions. The project has the benefit to the future value creation in the wind industry with a potential to reduce the levelized cost of energy.

This is a collaborative project between Norway and China. The Norwegian team is led by Norwegian University of Science and Technology (NTNU), in collaboration with two monitoring and digital service companies, EDR & MEDESO AS (EDR) and SAFETEC NORDIC AS (SAFETEC). The Chinese team is led by Hunan University (HNU), in collaboration with Central South University (CSU), Hunan University of Science and Technology (HUST) and two leading wind power companies XEMC WINDPOWER (XEMC) and GOLDWIND TECHNOLOGY (GOLDWIND). The goal is to use digital and intelligent solutions for structural health/condition monitoring to address the issues of high failure rate and high operation/maintenance cost of wind turbines. To achieve this goal, a "perception-transmission-processing-utilization-control" digital solution will be proposed for operation/maintenance of wind turbine critical components and an advanced visualization platform, which supports data exchange and sharing among various parts, for wind turbine monitoring and fault diagnosis will be developed and demonstrated. The main activities and novelties are summarized as below: - A methodological system for global information perception via measurements is proposed for the full life circle information of the wind turbine critical components (blades, bearings and gearbox). - A framework combining deep fusion and automatic acquisition is proposed to fuse multi-source heterogeneous data and acquire field knowledge. - Intelligent fault detection/diagnosis methods for wind turbine critical components are proposed and applied using simulated data from numerical models and measurement data. - A strategy for hierarchical early warning and fault tracing is proposed based on coordinated decision-making using digital twin technologies and demonstrated in actual wind farms.

Publikasjoner hentet fra Cristin

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Budsjettformål:

IKTPLUSS-IKT og digital innovasjon

Temaer og emner

IKT forskningsområdeMenneske, samfunn og teknologiIKT forskningsområdeProgramvarer og tjenesterDelportefølje KvalitetAnvendt forskningGrunnforskningIKT forskningsområdeVisualisering og brukergrensesnittFNs BærekraftsmålMål 7 Ren energi for alleFNs BærekraftsmålLTP3 Fagmiljøer og talenterDelportefølje Et velfungerende forskningssystemBransjer og næringerIKT forskningsområdeKunstig intelligens, maskinlæring og dataanalyseInternasjonaliseringInternasjonalt prosjektsamarbeidDigitalisering og bruk av IKTPrivat sektorDelportefølje InternasjonaliseringPortefølje Banebrytende forskningLTP3 Rettede internasjonaliseringstiltakIKT forskningsområdeLTP3 Et kunnskapsintensivt næringsliv i hele landetBransjer og næringerEnergi - NæringsområdeLTP3 Styrket konkurransekraft og innovasjonsevneLTP3 IKT og digital transformasjonLTP3 Klima, miljø og energiDigitalisering og bruk av IKTPortefølje Muliggjørende teknologierLTP3 Miljøvennlig energi og lavutslippsløsningerPolitikk- og forvaltningsområderForskningIKTPolitikk- og forvaltningsområderPortefølje ForskningssystemetInternasjonaliseringPolitikk- og forvaltningsområderNæring og handelInternasjonaliseringInternasjonalt samarbeid om utlysningPortefølje Energi og transportKlimarelevant forskningLTP3 Høy kvalitet og tilgjengelighetLTP3 Muliggjørende og industrielle teknologierMiljøvennlig energiMiljøvennlig energiFornybar energi, vind og havPolitikk- og forvaltningsområderDigitaliseringPolitikk- og forvaltningsområderEnergi - Politikk og forvaltning