Zum Inhalt springen

Predictive Maintenance und Leistungsprognose für Windparks

Stündliche Leistungsprognosen aus Turbinen-SCADA-Daten, Erkennung von Turbinenstunden, die von der erwarteten Leistungskurve abweichen, und der daraus resultierende Verlust in MWh.

01

Was in der Praxis schwierig ist

  • Schwankende Erzeugung

    Schwankende Windgeschwindigkeiten wirken sich direkt auf Erzeugungsplanung und Ausgleichsenergiekosten aus.

  • Verdeckte Minderleistung

    Turbinen, die keinen Fehleralarm auslösen, aber unter ihrer Leistungskurve laufen, verlieren unbemerkt Energie.

  • Unsaubere Daten

    SCADA-Aufzeichnungen enthalten fehlende, eingefrorene oder fehlerhafte Sensorwerte, die vor der Analyse bereinigt werden müssen.

02

Unser Ansatz

  1. ADatenbereinigungStillstände sowie fehlende und eingefrorene Werte werden abgegrenzt; für jede Turbine entsteht eine konsistente Zeitreihe.
  2. BPrognosen mit IntervallBaumbasierte Modelle mit auf Nabenhöhe extrapolierten Wetterprognosen; jede Prognose kommt mit einem Intervall, das 90 % Abdeckung anstrebt.
  3. CAnomalien und VerlustVon der erwarteten Leistungskurve abweichende Turbinenstunden werden ohne gelabelte Daten erkannt; der Verlust wird in MWh berechnet.
  4. DInstandhaltungsentscheidungAlarme werden physikalischen Fehlerklassen zugeordnet und zu Arbeitsaufträgen; Befunde der Techniker fließen ins Modell zurück.

03

Nachweis

  • Mit offenen Daten geprüft: ENGIE La Haute Borne SCADA, 2014–2015
  • Vergleich mit einer Persistenzprognose
  • Intervallabdeckung wird berichtet

Ressourcen

Häufige Fragen

Mit welchen Daten arbeiten Sie?
SCADA-Aufzeichnungen der Turbinen (meist 10-Minuten-Mittelwerte: Windgeschwindigkeit, Wirkleistung, Rotordrehzahl, Temperaturen) und optional Wetterprognosen. Für den Start sind keine neuen Sensoren nötig.
Wie sehen wir, wie genau die Prognosen sind?
Wir haben das Verfahren mit einem offenen Windpark-Datensatz geprüft; Fehler gegenüber einer Persistenzprognose und Intervallabdeckung sind auf der Fallstudienseite veröffentlicht. Im Pilot in Ihrem Park werden dieselben Kennzahlen berichtet.
Brauchen wir gelabelte Ausfalldaten?
Nein. Die Anomalieerkennung beruht auf Abweichungen vom erwarteten Verhalten; Befunde der Techniker verbessern die Fehlerklassifikation mit der Zeit.

Ein Pilotgespräch für Ihren Windpark

Sprechen wir über die Struktur Ihrer SCADA-Daten und die Zahl der Turbinen – und legen gemeinsam fest, wie ein Pilot auf einer ausgewählten Turbinengruppe aussieht und was gemessen wird.

Gespräch anfragenLeistung Predictive Maintenance →