Đăng ký thành viên

Giảm chi phí vận hành tuabin gió nhờ mô hình AI

Viện Nghiên cứu Điện lực Mỹ (EPRI) đã làm việc với các công ty điện lực ở Mỹ để số hóa các tài sản gió và phát triển một mô hình hybrid học máy dựa trên vật lý để xác định hư hỏng hộp biến tốc và kéo dài tuổi thọ của hộp biến tốc.

Chi phí thay thế hộp biến tốc của tuabin gió có thể lên tới 350.000USD. Tuy nhiên, mô hình phát hiện hư hỏng sớm bằng AI dựa trên vật lý của EPRI, được thử nghiệm tại Công ty WEC Energy Group (Mỹ), Công ty Southern Company (Mỹ) và các đội tuabin gió của các công ty điện lực khác, có thể giảm chi phí sửa chữa xuống còn 15.000 - 70.000USD.

Nhờ triển khai thêm nhiều tuabin gió trên toàn thế giới, các hoạt động nghiên cứu và phát triển (R&D) ngày càng quan trọng để đảm bảo độ tin cậy lâu dài của các thành phần tuabin, kể cả hộp biến tốc tuabin gió. Hộp biến tốc chuyển đổi tốc độ quay thấp nhận được từ các cánh quạt thành tốc độ quay cao hơn do máy phát điện yêu cầu để sản xuất điện (Hình 1).

Hình 1: Các thành phần chính của tuabin gió và vị trí của chúng (Ảnh st)

Dữ liệu và nghiên cứu của EPRI cho thấy tỷ lệ hư hỏng tích lũy của hộp biến tốc hiện nay trong 20 năm hoạt động được ước tính khoảng từ 30% (trường hợp tốt nhất) đến 70% (trường hợp xấu nhất). Tỷ lệ hư hỏng hàng năm của hộp biến tốc từ 1-10 tuổi là 0,8% đến 2,3%, với mức trung bình của ngành là 1,6% (Hình 2).

Hình 2: Tỷ lệ hư hỏng hàng năm của hộp biến tốc tuabin gió so với số năm hoạt động (Ảnh st)

EPRI đã làm việc với các công ty điện lực ở Mỹ để số hóa các tài sản gió và phát triển mô hình kết hợp máy học dựa trên vật lý để xác định hư hỏng hộp biến tốc trong giai đoạn đầu và kéo dài tuổi thọ của hộp biến tốc. Ban đầu, các mô hình dựa trên vật lý được sử dụng để phát hiện các hư hỏng. Các mô hình này sử dụng các công thức để phân tích kết cấu vi mô của vật liệu hộp biến tốc về hư hỏng nhưng chỉ chính xác khoảng 60% và không thể mô hình hóa và mô phỏng một hệ thống hộp biến tốc đầy đủ, các thành phần của nó và các chế độ hư hỏng liên quan.

Việc kết hợp học máy với các mô hình dựa trên vật lý đối với các tuabin gió sẽ cung cấp thêm thông tin về sự cố trong lịch sử và các yếu tố như tốc độ gió, nhiệt độ, áp suất, sản lương điện theo thời gian thực, v.v. Điều này mang lại mức độ tin cậy cao hơn trong việc tiên đoán xác suất hư hỏng hộp số và cải thiện độ chính xác tổng thể của mô hình.

EPRI đã nghiên cứu và phát triển một giải pháp mô hình hybrid dựa trên vật lý và học máy sau khi xem xét 10 phương pháp khác nhau. Phối hợp với các công ty điện lực và các nhà vận hành, EPRI sau đó đã thử nghiệm thành công các mô hình phát hiện hư hỏng sớm này không chỉ trên hộp biến tốc, mà còn trên các ổ trục chính và máy phát điện.

Hình 3: Hộp biến tốc tuabin gió và các thành phần của nó (Ảnh st)

Mô hình hybrid học máy dựa trên vật lý đã tăng độ chính xác của xác suất hư hỏng từ 60 lên 80%.

EPRI đã và đang làm việc với các nhà vận hành để hỗ trợ triển khai các mô hình hybrid này tại các trung tâm theo dõi và chẩn đoán của họ cũng như ghi nhận các khoản tiết kiệm hàng triệu USD cho đến nay tại một số công ty điện lực.

Việc thu thập và xác nhận dữ thủ công có thể yêu cầu người vận hành tuabin xem xét từ 80 đến 90 hộp biến tốc cho mỗi trang trại gió, mỗi trang trại gió có 5 đến 6 nhà cung cấp ổ trục khác nhau. Học máy giúp loại bỏ nhu cầu sử dụng vô số nguồn lực thời gian đó.

Xây dựng mô hình học máy cũng ít tốn kém hơn so với việc mở rộng việc xác thực dựa trên vật lý, vốn yêu cầu đánh giá trực tiếp nhiều hơn các hộp biến tốc và so sánh mẫu.

Lược dịch: Nguyễn Thị Dung

Theo “Utilityanalytics”, tháng 10/2021