Sie sind hier: HomeThemenSmart GenerationWind

Big Data erhöht die Effizienz: Siemens Ferndiagnosezentrum überwacht 7.800 Windkraftanlagen

Das kürzlich eröffnete Ferndiagnosezentrum im dänischen Brand generiert bei der Überwachung von 7.800 Onshore- und Offshore-Windturbinen täglich 200 Gigabyte an Daten. Durch ihre Analyse werden Turbinen-Ausfälle vermieden und die Effizienz des Gesamtsystems erhöht.

In diesigem Wetter, aber ruhiger See: der Offshore-Windpark Bard Offshore 1 in der Nordsee Bildquelle: © Bard-Gruppe

Bei schwer zugänglichen Windturbinen (hier der Offshore-Windpark Bard Offshore 1), macht sie die SCADA-Überwachung und Big-Data-Analysis zur Vorbeugung von Ausfällen schnell bezahlt.

Die Daten werden im Analysezentrum über spezielle Analysemodelle mit einer Datenbank abgeglichen, wodurch abweichendes Turbinenverhalten schnell identifiziert und Ausfälle sowie Stillstände vermieden werden. Zudem dienen die Datenmengen einer gezielten Anlagenoptimierung. Schon 1998 begann Siemens [1] mit der Überwachung von Windenergieanlagen und legt sie seit 2000 durchgängig für die Ferndiagnose aus. Eine mittlerweile mehrere Terrabyte große Datenbank umfasst alle seit 1998 angefallenen Messungen, die auf Störungen im Betrieb hinweisen.

Die Daten werden heute über ein webbasiertes SCADA-System in Echtzeit erhoben. Dazu gehören Wetterinformationen, Vibrationsmessungen an wichtigen Turbinenteilen, die Stromproduktion und verschiedene Betriebsparameter wie beispielsweise die Temperatur des Turbinenöls. Weichen die Messungen vom Normallfall ab, sendet die Anlage automatisch einen Alarm an das Ferndiagnosezentrum. 85 Prozent dieser Fehlermeldungen werden direkt online behandelt. Andernfalls werden regionale Service-Center benachrichtigt.

Zu den im Diagnosezentrum eingesetzten, teils patentierten Programmen gehört der sogenannte Automatic Root Cause Identifier, der automatisch erkennt, ob die Systemleistung der Windenergieanlage vom Optimum abweicht und ermittelt die Fehlerursache. Das Programm Automated Surveillance nutzt dynamische lineare Modelle, um aus den Sensordaten und mit Hilfe einer Vielzahl früherer Messungen Informationen zum Status der Windturbine abzuleiten und ihre Einstellung zu optimieren. Analysen von Vibrationsmessungen, z.B. an Rotorblatt, Generator oder Hauptachse, lassen frühzeitig typische Muster für sich andeutende Ausfälle erkennen. Seit Juli 2008 wurden so zum Beispiel rund 97 Prozent aller Zahnradschäden prognostiziert. Belastete Teile können so frühzeitig bei Routinewartungen ausgetauscht werden, ohne Stillstände zu verursachen. Auch die Optimierung der Gesamtflotte profitiert von den Datenanalysen, weil frühzeitig Trends für bestimmte Turbinentypen, Standorte, Laufzeiten und Betriebsbedingungen erkannt und Empfehlungen ausgesprochen werden können.