اجرای پایش وضعیت در توربین‌های بادی جهت کاهش هزینه نگهداری و تعمیرات با استفاده از روش تحلیل اطلاعات اسکادا

نوع مقاله: مقاله پژوهشی

نویسندگان

1 کارشناس ارشد، دانشگاه آزاد اسلامی واحد تهران جنوب،گروه مکانیک، تهران، ایران

2 کارشناس ارشد ،گروه مدیریت، دانشگاه آزاد اسلامی واحد علوم پزشکی، تهران، ایران

چکیده

توربین­‌های بادی یکی از منابع در حال رشد تولید انرژی در جهان امروز می­‌باشند که پیوسته به کاهش هزینه‌های بهره‌برداری و تعمیر و نگهداری نیاز دارند. پایش وضعیت یک ابزار برای تشخیص زود هنگام در جهت کاهش خرابی و افزایش بهره‌وری می­‌باشد. در این مقاله به بررسی حالت­‌های پایش وضعیت در توربین­‌های بادی، استراتژی نگهداری و تعمیرات، روش‌­های پردازش سیگنال، سیستم اسکادا و طراحی معیار خرابی سیستم تحت پایش وضعیت پرداخته ایم. هدف از این مقاله توسعه­‌ی روش تفسیر اطلاعات جمع‌­آوری شده توربین­‌های بادی از طریق اسکادا با بهره‌­گیری از علم پایش وضعیت که در گذشته به واسطه نبود ابزار تحلیلی مناسب مورد استفاده قرار نمی­‌گرفت، می­‌باشد. در واقع با تلفیق مراقبت وضعیت، تحلیل اطلاعات اسکادا و پردازش سیگنال یک روش جدید ارائه شده است، که به واسطه­‌ی پایش تمامی اجزا مکانیکی و الکتریکی هزینه‌های نگهداری و تعمیرات کاهش می­‌یابد.

کلیدواژه‌ها


 [1] WWEA. World wind energy report 2009, http://www.wwindea.org; 2009.
[2] McGowan JG, Connors SR. Windpower: a turn of the century review. Annual Review of Energy and the Environment 2000;25:147e97.
[3] Milborrow D. Operation and maintenance costs compared and revealed.Wind Stats 2006;19(3):3.
[4] Vachon W. Long-term O&M costs of wind turbines based on failure rates and repair costs. In: Proceedings WINDPOWER, American wind energy Association Annual conference. Portland: Oregon; 2002. p. 2e5. June.
[5] Walford C. Wind turbine reliability: understanding and minimizing wind turbine operation and maintenance costs. Sandia report, AND2006-1100.Albuquerque, New Mexico 87185 and Livermore, California 94550: Sandia National Laboratories; 2006.
[6] Tavner PJ, Spinato F, van Bussel GJW, Koutoulakos E. Reliability of different wind turbine concepts with relevance to offshore application. Brussels:European Wind Energy Conference; April 2008.
[7] Anon. Managing the wind: reducing Kilowatt-Hour costs with condition monitoring. Refocus 2005;6(3):48e51.
[8] Marquez F, Perez J,Tobias A,Papaelias M. Renewable Energy. Condition monitoring of wind turbines: Techniques and methods ,2012.
[9] de Novaes Pires G, Alencar E, Kraj A. Remote conditioning monitoring system for a hybrid wind diesel system-application at Fernando de Naronha Island,Brasil. http://www.ontario-sea.org (19-07)
[10] Igarashi T, Hamada H. Studies on the vibration and sound of defective roller bearings (First report: vibration of ball bearing with one defect), Bull. JSME June 1982;25(204):994e1001.
[11] Igarashi T, Yabe S. Studies on the vibration and sound of defective roller bearings (First report: sound of ball bearing with one defect), Bull. JSME 1983;26(220):1791e8.
[12] Knezevic J. Reliability, maintainability and supportability engineering:a probabilistic approach. McGraw Hill; 1993.
[13] Ben-Daya MS, Duffuaa AR. Handbook of maintenance management and engineering. Springer Verlag London Limited; 2009.
[14] Pedregal DJ, Garcia Marquez FP, Roberts C. An algorithmic approach for maintenance management. Annals of Operations Research 2009;166:109e24.
[15] Campbell JD, Jardine AKS. Maintenance excellence: optimizing equipment life-cycle decisions. New York: Marcel Dekker; 2001.
[16] Garcia Marquez FP. An approach to remote condition monitoring systems management. The IET International Conference on Railway Condition Monitoring; 2006:156e60.
[17] Garcia Marquez FP, Pedregal DJ, Roberts C. Time series methods applied to failure prediction and detection. Reliability Engineering & System Safety 2010;95(6):698e703.
[18]Levitin G. Genetic algorithms in reliability engineering. Reliability Engineering and System Safety 2006;91(9):975e6.
[19] Caselitz P, Giebhardt J. Fault prediction techniques for offshore wind farm maintenance and repair strategies. In: Proceedings of the EWEC2003; 2003.
[20] IEC International Standard IEC61400Part 11, wind turbine generator systems e acoustic noise measurement techniques; 2002.
[21] Yang W, Tavner P, Crabtree C,Feng Y, Qiz Y. Wind turbine condition monitoring: technical and commercial challenges. Wind Energy 2012.
[22]  Yang W, Court R, Jiang J.Wind turbine condition monitoring by the approach of SCADA data analysis. Renewable Energy 2013.
[23] Zaher A, McArthur SDJ, Infield DG, Patel Y. Online wind turbine fault detection through automated SCADA data analysis. Wind Energy 2009; 12(6): 574–593.