Βελτιστοποίηση της συντήρησης ανεμογεννητριών με χρήση δεδομένων SCADA

Κουτρουμπής, Χρήστος

Optimization of wind turbine maintenance using SCADA data

Μεταπτυχιακή διπλωματική εργασία

Author

Κουτρουμπής, Χρήστος

Date

2024-06-27

Advisor

Drosos, Christos

ΚΟΥΤΡΟΥΜΠΗΣ ΧΡΗΣΤΟΣ - 80697818.pdf (2.499Mb)

Keywords

SCADA ; Ευφυείς ανεμογεννήτριες ; Ανάλυση δεδομένων ; Βελτιστοποίηση απόδοσης ανεμογεννητριών ; Ανίχνευση σφαλμάτων ; Διάγνωση σφαλμάτων ; Έλεγχος ανεμογεννητριών ; Προηγμένα συστήματα SCADA

Abstract

Με την αυξανόμενη ζήτηση για ανανεώσιμες πηγές ενέργειας, οι ανεμογεννήτριες έχουν γίνει ένα πανταχού παρόν σε πολλές περιοχές. Ωστόσο, η συντήρηση αυτών των πολύπλοκων μηχανών μπορεί να είναι δύσκολη και δαπανηρή, ιδίως λόγω των απομακρυσμένων τοποθεσιών τους. Για την αντιμετώπιση αυτού του ζητήματος, πολλοί φορείς εκμετάλλευσης αιολικών πάρκων έχουν στραφεί σε συστήματα SCADA (Εποπτικός έλεγχος και απόκτηση δεδομένων), χρησιμοποιώντας δεδομένα πραγματικού κόσμου από ένα αιολικό πάρκο, δείχνοντας ότι μπορεί να μειώσει σημαντικά το κόστος συντήρησης και να βελτιώσει τη διαθεσιμότητα της ανεμογεννήτριας. Η εργασία αναδεικνύει τις δυνατότητες των συστημάτων SCADA ως ένα ισχυρό εργαλείο για τη βελτιστοποίηση της συντήρησης των ανεμογεννητριών και τη βελτίωση της αξιοπιστίας της παραγωγής ανανεώσιμης ενέργειας. Ένα σύστημα εποπτικού ελέγχου και συλλογής δεδομένων για την παρακολούθηση της απόδοσης των ανεμογεννητριών τους και τον εντοπισμό πιθανών προβλημάτων πριν αυτά μετατραπούν σε δαπανηρές βλάβες. Σε αυτό το έγγραφο, διερευνάτε ο τρόπος με τον οποίο τα δεδομένα SCADA μπορούν να χρησιμοποιηθούν για τη βελτιστοποίηση των προγραμμάτων συντήρησης των ανεμογεννητριών και τη μείωση του χρόνου διακοπής λειτουργίας. Πραγματοποιείτε μια προσέγγιση με βάση τα δεδομένα που αξιοποιεί αλγορίθμους μηχανικής μάθησης για την πρόβλεψη των αναγκών συντήρησης με βάση τα δεδομένα SCADA. Επιδεικνύετε η αποτελεσματικότητα της προσέγγισής αυτής.

Abstract

With the growing demand for renewable energy, wind turbines have become a ubiquitous feature in many regions. However, maintaining these complex machines can be difficult and costly, especially due to their remote locations. To address this issue, many wind farm operators have turned to SCADA systems using real-world data from a wind farm, showing that it can significantly reduce maintenance costs and improve turbine availability. The paper highlights the potential of SCADA systems as a powerful tool to optimize wind turbine maintenance and improve the reliability of renewable energy production. (Supervisory control and data collection) to monitor the performance of their wind turbines and identify potential problems before they turn into costly failures. In this paper, we explore how SCADA data can be used to optimize wind turbine maintenance schedules and reduce downtime. You implement a data-driven approach that leverages machine learning algorithms to predict maintenance needs based on SCADA data. Demonstrate the effectiveness of this approach.