Innovation

Algoritmer skal sikre stabil drift af vindmøller

SDU-forskere står bag algoritmer, som kan slå fast, hvornår en vindmølle vil gå i stykker. Den særlige viden kan betyde en forskel på bundlinjen for industrien, fordi defekte møller står stille i kortere tid

Af Stine Charlotte Saltofte Hansen, , 21-08-2020


 

Hvis en vindmølle går i stykker på havet, kan det tage flere måneder at få en reservedel fragtet ud til møllen og få den i gang igen. Det resulterer i spildt tid og en periode, hvor møllen ikke leverer energi. 

Sådan behøver det ikke være. Forskere fra Mærsk Mc-Kinney Møller Instituttet på Syddansk Universitet har udviklet en række algoritmer, som kan forudsige, hvornår en vindmølle vil gå i stykker. 

- I dag går der i mange tilfælde flere måneder, før møllen bliver repareret. Med algoritmer kan vi forudse, hvornår det kommer til at ske, forklarer adjunkt Jürgen Herp, som i længere tid har samarbejdet med vindmølleproducenten Siemens-Gamesa.

- Hvis vi kan fortælle, hvornår møllen vil fejle, kan virksomhederne hurtigere have reservedele ude ved møllen, så den kan komme i gang med at producere energi igen. 

 

Vindmøllens data afslører problemer

Forskerne bruger data fra små sensorer, der sidder i vindmøllerne. Der er placeret 200-600 sensorer i hver vindmølle, og de opdager hurtigt mønstre i vindmøllens vibrationer og følsomhed i vind og vejr. 

Hvis en del af møllen bliver varm, kan der være et sted, hvor noget slider på møllen, for eksempel i et leje eller en generator. Det kan være små unøjagtigheder, som slider møllen mere over en periode.

- Det starter langsomt. Man kan sammenligne det med, at motoren på en bil bliver slidt. Fx rammer du måske ikke koblingspunktet hver gang, du kører. Motoren siger mærkelige lyde, og det bliver værre over tid. Men den kører jo stadig, til den stopper med at fungere, siger Jürgen Herp. 

Han forklarer, at forskerne kan opdage slid på en vindmølle, længe før det kan konstateres. I dag arbejder de med en bestemt mølletype, men algoritmerne skal udvikles, så de kan håndtere alle typer vindmøller. 

 

I dag går der i mange tilfælde flere måneder, før møllen bliver repareret. Med algoritmer kan vi forudse, hvornår det kommer til at ske.

Adjunkt Jürgen Herp, Mærsk Mc-Kinney Møller Instituttet

Viden har betydning for bundlinjen

Arbejdet med algoritmerne betyder, at virksomhederne kan træffe beslutninger på et oplyst grundlag, og det kan gøre en forskel på bundlinjen.

Professor Jan Stentoft har gennem en årrække forsket i supply chain management og vurderer, at algoritmerne kan gøre en stor forskel, alene fordi de kan forhindre, at møllerne går i stå.

- Når vindmøller står stille, producerer de ingen energi, og de tjener ingen penge. Derfor giver algoritmerne god mening i drift og vedligehold, for intelligente møller, der selv kan fortælle, hvornår de skal smøres eller have skiftet en del – det er der, pengene ligger for vindmøllebranchen, siger Jan Stentoft fra Institut for Entreprenørskab og Relationsledelse på SDU Kolding.

Han bemærker, at arbejdet med intelligente vindmøller kan styrke vindbranchen i konkurrencen med andre grønne energiformer.

 

Potentiale i at gemme på energien

Som noget nyt undersøger adjunkt Jürgen Herp, hvordan virksomhederne kan sikre, at en vindmølle, der er ved at gå i stykker, fungerer længst muligt. 

Især på havet kan det være en fordel, når algoritmen viser, at møllen formentlig fejler efter 60 dage, men det tager 70 dage, før skibet er fremme med reservedelen.  

- Så står møllen jo stille i 10 dage. Men hvis vi glemmer tiden og ser på, hvor meget energi der er tilbage i møllen, kan vi undersøge, om vi kan gøre noget, der betyder, at møllen producerer mindre, men holder længere – og dermed fungerer, til den nye del kommer, forklarer Jürgen Herp.

 
Grøn energi

Der er andre SDU-forskere, som arbejder på at optimere vindmølledriften. Blandt andet arbejder forskere sammen med virksomheder om at lave stærkere fundamenter til havvindmøller.

Læs om projektet

FN's verdensmål

Mærsk Mc-Kinney Møller Instituttet arbejder med verdensmålene ligesom resten af Syddansk Universitet.

Find mere information