Sensoren mit optimierter Diagnosefähigkeit
Bild 1. Mit der modularen Lösung Blade Intelligence für die ganzheitliche Zustandsüberwachung von Rotorblättern bietet Phoenix Contact hochspezialisierte Sensorsysteme für eine lückenlose Überwachung an. Dazu zählen beispielsweise Eiserkennungs-, Beschleunigungs- und Lastsensoren, aber auch Blitzmesssysteme. Darüber hinaus lassen sich die Sensoren einsetzen, um die WEA ertragsoptimiert und/oder lastreduziert zu betreiben (Quelle: Phoenix Contact)
Bild 2. Mit dem links an eine Axioline-Steuerung AXC F 3152 anreihbaren Machine-Learning-Modul AXC F XT ML 1000 können neuronale Netzwerke in Hardware auf Basis des Google Coral Boards beschleunigt werden, um die CPU der Steuerung zu entlasten und komplexe Algorithmen auf vergleichsweise kleinen Systemen auszuführen (Quelle: Phoenix Contact)
Wie bereits erwähnt, kommen vom Fundament über den Turm und die Gondel bis zum Rotor und der Blattspitze ständig mehr und/oder intelligentere Sensoren zum Einsatz. Mit dem modularen Blade-Intelligence-System stellt Phoenix Contact unter anderem hochspezialisierte Sensoren für die Beschleunigungsmessung, Blitzstromerfassung, Messung von Eis an der Blattoberfläche sowie das mechanische Lastmanagement zur Verfügung. Das Portfolio umfasst darüber hinaus Stromwandler, Rogowski-Spulen für die eigenen Netzanalysatoren sowie Netz- und Anlagenschutzmodule, die weniger windmarktspezifisch sind. Dabei wird vermehrt auf digitale Schnittstellen – wie Profinet oder IO-Link – gesetzt, sodass sich die Störfestigkeit, Parametrier- und Diagnosefähigkeit sowie die allgemeine Datenqualität der Sensoren verbessern (Bild 1).
Es stellt sich nun die Frage, wie sich durch mehr und komplexere Sensoren, die zunächst die Capital Costs erhöhen, das vorrangige Ziel der LCOE-Reduzierung erreichen lässt. Im Zusammenspiel mit innovativer Steuerungs-, Regelungs- und Betriebsführungstechnik löst sich dieser scheinbare Widerspruch auf. Offensichtlich führt die Nutzung von Sensoren mit optimierter Diagnosefähigkeit dazu, dass diese im Fehlerfall schneller identifiziert und ausgetauscht werden können. Das verringert Anlagenstillstandzeiten (down time) deutlich und verbessert somit den AEP.
Ausführung von KI in Hardware
Weitere Kosteneinsparpotenziale lassen sich durch die Verwendung von Technologien zur Datenfusion heben. Neben den klassischen Algorithmen – wie Kalman-Filtern – kommen auch Algorithmen aus dem Bereich der KI – beispielsweise neuronale Netze – zum Einsatz. Speziell zu diesem Zweck hat Phoenix Contact das linksanreihbare Modul AXC F XT ML 1000 entwickelt, um mittels des integrierten Google-Coral-Boards die Ausführung von künstlicher Intelligenz in Hardware zu beschleunigen.
Durch die Fusion der Sensordaten von preisgünstigeren inertialen Messsystemen (IMU) lässt sich zum Beispiel die Lage des Rotors im Raum bestimmen. Hierbei handelt es sich um eine wichtige Information für die individuelle Regelung des Blattanstellwinkels, – bei Bedarf sogar sicherheitsgerichtet (Safety) – ohne mechanisch aufwendige und fehleranfällige klassische Messsysteme nutzen zu müssen.
Einen anderen Anwendungsfall für die Datenkorrelation stellt die Diagnose von Anomalien in den Datenströmen der Sensoren dar. Ein Aspekt, dem vor dem Hintergrund stetig steigender Anforderungen an die IT-Sicherheit (Security) sowie dem Zusammenwachsen von IT und OT (Operational Technology) eine immer größere Bedeutung zukommt. Durch die Auswertung von Anomalien wird das System damit insgesamt robuster (Bild 2).
Aufgrund der Verwendung zusätzlicher Sensoren erschließt sich zudem die Möglichkeit, last- und energieertragsoptimierte Regler zu installieren. Abgesehen von den klassischen PID-Reglern greifen Betreiber hier ebenfalls immer öfter auf datenbasierte Ansätze ebenso wie modellbasierte prädiktive Regler (MPC) zurück. Die Optimierung des Energieertrags zieht dabei eine direkte Reduktion des LCOE nach sich, indem die AEP bei gleichem Capital Invest erhöht wird.
Der indirekte Effekt der Lastverringerung lässt sich in zwei wesentliche Faktoren zerlegen. Auf der einen Seite kann das initiale Capital Invest gesenkt werden, weil Bauteile schlanker ausgelegt sind und folglich Material eingespart wird, respektive sich die Sicherheitsmargen bei der Konstruktion reduzieren lassen. Andererseits lassen sich Anlagen länger betreiben, wenn die Restlebensdauer aufgrund der Beobachtung der Komponenten bekannt ist.