Fault Detection of Offshore Wind Turbine Drivetrain, State-of-the-Art, Development Trend and Role of Digital Twin
Master thesis
Permanent lenke
http://hdl.handle.net/11250/2622383Utgivelsesdato
2019Metadata
Vis full innførselSamlinger
- Institutt for marin teknikk [3564]
Sammendrag
Denne masteroppgaven gjennomgår noen av utfordringene vindmøller møter på og hvordan en modellbasert tilstandsovervåking og bruk av en digital tvilling vil være gunstig for lønnsomheten. Avhandlingen viser utviklingen av vindturbiner fra opprinnelsen til dagens stand. Etter hvert som etterspørselen for vindkraft øker, flyttes turbinene offshore og vokser i både størrelse og antall. Dette fører følgelig til en økning i kostnadene også. Det diskuteres hvordan utgiftene i drift og vedlikehold utfordrer lønnsomheten og hva årsakene er. Studier er vist som bekrefter at girkassen og drivverket hovedansvarlig for mange feil og mest nedetid. I disse er lagrene hovedårsaken til det meste av skaden. Avhandlingen undersøker de vanligste feilmodusene til drivverket og spesielt lagrene for å vise de underliggende faktorene for nedetiden. Eksisterende og nye feildeteksjonsmetoder for drivverket og lagrene er gjennomgått. Betydningen av en omfattende vedlikeholdsmetode som tilstandsovervåking er dekket. For dette diskuteres forskjellen mellom en databasert og en modellbasert tilnærming, og mulighetene for mulit-body simulation blir fremhevet. Oppgaven diskuterer også hvorfor en digital tvilling er en lovende teknologi for vindenergisektoren offshore. Med den kunnskapen bransjen allerede har fra vedlikeholdsstrategier for lagrene, kan simuleringsmodeller for å bygge opp en digital tvilling utvikles. Dette kan bidra sterkt til en bedre forståelse og overvåkning og dermed en optimalisert offshore vindturbin. Avhandlingen smalner ned for å gjennomgå noen teknikker innen vibrasjonsanalyse som er den vanligste feildeteksjonsmetoden for offshore vindturbiner. Dette gjøres ved å analysere målinger fra både frie og tvungne vibrasjoner på et testdrivverk. This master thesis reviews some of the challenges offshore wind turbines encounter and how a model-based condition monitoring and the use of a digital twin are likely to be beneficial for its profitability. The thesis shows the development of wind turbines from its origin to the state-of-the-art. As the demand for wind energy increases, the turbines move offshore and grow in both size and number. This consequently leads to an increase in costs as well. It is discussed how the expenditure in operation and maintenance challenges the profitability and what the root causes are. Studies are shown confirming the gearbox and drivetrain in particular to be responsible for many failures and the most downtime. Hereof, bearings are the root cause of most of the damage. The thesis examines the most common fault modes of the drivetrain and bearings in specific to showcase the underlying factors of the downtime. Existing and new fault detection methods for the drivetrain and bearings are reviewed. The importance of a comprehensive maintenance method such as condition monitoring is covered. For this, the difference between a data-based and a model-based approach is discussed and the possibilities of multi-body simulation are highlighted. The thesis also discussed why a digital twin is a promising technology for the offshore wind energy sector. With the knowledge the industry has from maintenance strategies for bearings, simulation models to build up a digital twin can be developed. This can contribute greatly to a better understanding and monitoring and thus an optimised offshore wind turbine. The thesis narrows down to review some techniques in the field of vibration analysis, which is the most common OWT fault detection method. This is done by analysing the measurement from a test rig at both free and forced vibrations.