Når en møllevinge ser ud som på billedet, hvor er resten så henne?
menu close Teknologiens Mediehus
person Konto arrow_drop_down
Forskere fra Aalborg Universitet har videreudviklet en teknologi, der med sensorer, algoritmer og maskinlæring kan opdage fejl på vindmøller og dermed forhindre ulykker samt undgå dyre manuelle inspektioner.
»Vi kan se en revne på 15 centimeter, der på sigt ville kunne blive katastrofal. Og det er vel at mærke, mens møllen kører. Så nøjagtige er de matematiske modeller, vi arbejder med,« siger Bilal Ali Qadri, der er videnskabelig assistent ved Institut for Byggeri og Anlæg på Aalborg Universitet, og som står bag bag projektet.
Man opdager normalt fejl på vindmøllevinger ved at slukke for møllen og sende en tekniker ned langs vingerne i et reb for manuelt at inspicere dem. Det er farligt og dyrt. Både med hensyn til teknikeren, men også fordi vindmøllen ikke producerer strøm imens.
Og den nye teknologi begrænser sig ikke kun til vindmøller, men kan udvides til at opdage skader på konstruktioner som for eksempel broer og fly.
Bilal Ali Qadri har under vejledning af Martin Dalgaard Ulriksen og i samarbejde med interne og eksterne aktører såsom Brüel & Kjær Sound & Vibration Measurement videreudviklet metoder, der bygger på store mængder data fra DTU's testvindmølle på Risø, hvor man satte accelerometre på møllens vinger.
Man startede med målinger på en intakt mølle, hvorefter man lavede en 15 centimeter lang revne, indsamlede data over nogle uger og gentog denne proces med en revne på henholdsvis 30 og 45 centimeter.
Det førte til et EUDP-projekt, der blev afsluttet i 2015, hvor man udviklede løsninger til at forudsige sundhedstilstanden af vindmøllevinger.
Men for at forbedre detektionen af revner og reducere antallet af falske alarmer har forskerne fra Aalborg Universitet udviklet nye algoritmer, der med maskinlæring kan adskille ændringer i møllens struktur fra miljøfaktorer som nedbør, vind- og temperaturændringer.
»De strukturer, vi arbejder med, er ikke særlig følsomme over for revner. Der skal store revner til, før man ser en mærkbar ændring, og dem, der observeres på baggrund af, at temperaturen stiger eller falder ti grader, kan ofte være større end de ændringer, som revner forårsager,« siger Martin Dalgaard Ulriksen, adjunkt ved Institut for Byggeri og Anlæg på Aalborg Universitet.
Forskerne fra Aalborg Universitet adopterede en hyppigt brugt metode fra økonomi, der kaldes kointegration.
Den baserer sig på et koncept, hvor man træner en statistisk model, der repræsenterer strukturen uden kritiske skader. Man prøver så at adskille signaler med et udsving, der ikke kan forklares ud fra de eksisterende modeller fra dem, man kender til. Miljøpåvirkninger viser sig med andre statistiske egenskaber end de ændringer, der skyldes skader.
»Vi begynder så at teste strukturen uden at vide, om der er skader. Det kan være, at vindhastigheden stiger, eller temperaturen ændrer sig, og så arbejder vi på at adskille den dynamik fra det strukturelle, der er associeret med skader for eksempel revner,« siger Martin Dalgaard Ulriksen.
Forskerne håber på at udvide projektet og vil gerne teste deres algoritmer mod data for et helt år på en havvindmølle, der udsættes for mere ekstreme forhold.
»Indtil videre har vi kun lavet analyser på en landvindmølle med data for 3½ måned. Og på baggrund af den data er det lidt svært at konkludere, at teknologien virker på alt. Så for at finde ud af, om vores teorier er robuste nok, vil vi gerne have et års data, hvor vindmøllen udsættes for flere miljømæssige faktorer,« siger Bilal Ali Qadri.
Ifølge Bilal Ali Qadri har det været relativt nemt at få adgang til data for vindmøller på grund af den store fokus på grøn energi, men selv hvis vindmølleindustrien ikke ønsker at tage teknologien til sig, så er der gode muligheder for at udvide teknologien til andre konstruktioner.
Præmissen bag teknologien er mønstergenkendelse, og algoritmerne går igen på alle typer konstruktioner. Derfor vil metoderne kunne bruges på forskellige strukturer såsom broer og fly.
»Det hele handler bare om at finde ud af, hvilke omgivelser konstruktionen befinder sig i og så tilpasse vores algoritmer i forhold til det,« siger Bilal Ali Qadri.
