Digitalisering av Vannkraftverk
Description
Full text not available
Abstract
Overgangen til en større andel av variable energikilder, som vind- og solenergi, fører til stadig flere hendelser vedrørende stabiliteten i strømnettet. For å bistå i balanseringen av produksjon og forbruk på nettet, må norske vannkraftverk endre sine driftsmønstre, noe som vil medføre hyppigere driftsendringer. Disse hyppige endringene vil føre til økt slitasje på utstyr og anlegg, noe som igjen nødvendiggjør bedre tilstandsovervåkning og forbedret dataanalyse av driftsdata fra vannkraftverk.
Denne oppgaven er sentrert rundt prosessering av driftsdata fra kraftverk for bruk i kontinuerlig virkningsgradsestimering.Ved bruk av Python-modulen PythonFMU3 ble en generisk Functional Mock-up Unit (FMU) utviklet til bruk for virkningsgradsestimering på hydrauliske turbiner basert på driftsdata. FMU-kildekoden ble implementert slik at den, med en gitt sett variabler, kan representere en gitt vertikalakset Pelton-turbin for å estimere virkningsgrad basert på driftsdata. FMUen inkluderer metoder for å identifisere stabile driftspunkter i inndataene til simuleringen, samt identifisere og fjerne trykkpulsasjoner, dvs. oscillerende komponenter i trykkmålingsserier. Slike svingninger kan påvirke resultatet av beregningene betraktelig, og må fjernes for pålitelig og repeterbar estimering av virkningsgrad. Nødvendig driftsdata for simuleringen av FMUen inkluderer målinger av trykk ved turbininntaket, nåleposisjoner og generatoreffekt, med mere.
En FMU som representerer Grunnåi vannkraftverk ble kompilert og simulert med driftsdata levert av Skagerak Kraft. Den nåværende implementasjonen av FMUen krever at inndataene til simuleringen overholder et sett med formateringsstandarder, hovedsakelig relatert til loggefrekvensen til dataene. Driftsdataene fra Grunnåi overholdt ikke disse kravene, og de presenterte simuleringene av FMUen er derfor primært ment som en demonstrasjon av FMUens kapasiteter, heller enn som håndfaste numeriske resultater. The transition towards a higher share of intermittent power sources, such as wind and solar, results in increased complications concerning grid stability. To aid in balancing the grid, Norwegian hydropower plants will need to change their operational patterns towards more frequent ramp-ups and ramp-downs. These frequent changes will inevitably lead to more wear and tear on the equipment, which in turn necessitates better condition monitoring and improved data analysis.
This thesis is centred around processing operational data from power plants for use in continuous efficiency estimation. Using the Python framework PythonFMU3 a generic Functional Mock-up Unit (FMU) was developed for efficiency estimation on hydraulic turbines based on operational data. The FMU source code was implemented so that, with a given set of variables, it can represent any given vertical-axis Pelton turbine sufficiently to compute variables of interest concerning efficiency calculations. The FMU incorporates methods for identifying steady operational points within the simulation input data and for identifying and extracting pressure surges, i.e., oscillatory components in pressure measurement series. Surges can significantly affect measurements and need to be eliminated for reliable and repeatable estimation of efficiency.The operational data necessary for the simulation of the FMU include measurements of pressure at the turbine inlet, needle positions, and generator power output, among others.
An FMU representing Grunnåi hydropower plant was compiled and simulated with operational data supplied by Skagerak Kraft. The current implementation of the FMU necessitates the simulation input data to conform to a set of formatting standards primarily related to the sampling rate at which the data is acquired.The data obtained from Grunnåi HPP did not adhere to these requirements, and the presented simulations are therefore primarily meant as a demonstration of the capabilities of the FMU, rather than as solid numerical results.