Wartungskosten in der Offshore-Windkraft senken mit preInO
WindenergieForschungsprojekt zur Predictive Maintenance in der Offshore-Windenergie
Der Betrieb und die Instandhaltung von Offshore-Windkraftanlagen ist kompliziert und teuer. Die dutzende Kilometer vom Festland auf hoher See gelegenen Parks sind nur per Schiff oder Hubschrauber erreichbar. Zu alledem ist die Nordsee ein raues Pflaster: Aufgrund von Wind und Wellengang erreichen Serviceteams per Schiff die Windkraftanlagen bei ungünstigen Wetterbedingungen nur an der Hälfte der Tage im Jahr. Einen Helikopter zu mieten ist kostspielig. Fällt eine Anlage aufgrund eines Defekts überraschend aus, ist es daher oft unmöglich, sofort ein Serviceteam auszusenden. Das wünschen sich aber die Parkbetreiber und Investoren, denn eine 6-Megawatt-Anlage kann bei gutem Wind pro Tag rund 12.000 Euro erzielen. Sind gleich mehrere Anlagen tage- oder wochenlang kaputt, wird es schnell teuer für die Parkbetreiber.
Digitalisierte Zustandsüberwachung in der Windkraft
Diese setzen deshalb alles daran, Ausfälle so gut es geht vorherzusagen. Das geschieht über „Condition Monitoring Systeme“. Sensoren an allen wichtigen Komponenten geben regelmäßig Auskunft an die Steuerzentrale an Land, etwa über die Größe von Dehnungsfugen, Schwingungen, Feuchtigkeit oder die Abnutzung von Motorteilen. Bisher werden alle diese Zustandsdaten in verschiedenen Systemen erfasst – Hersteller bieten ihre eigenen Softwarelösungen für die jeweiligen Komponenten an. Die Methoden der Ausfallvorhersage werden dabei unter dem Begriff „Predictive Maintenance” oder vorbeugende Instandhaltung zusammengefasst.
Von der vorbeugenden zur preagierenden Instandhaltung
Das Forschungsprojekt preInO hat diese Daten zusammengeführt und in einem zusammenhängenden System übersichtlich dargestellt. Aber noch mehr: Es ließ zudem Erfahrungsdaten von Servicecrews und Einsatzplanern sowie Einsatzdaten und Umweltbedingungen einfließen, um ein „soziotechnisches System” zu schaffen, wie die Experten vom Forschungsprojekt sagen. Der Begriff meint die Verbindung von menschlichen Handlungen und Erfahrungswissen mit technischen Daten und Technologien.
Erfahrung aus der Maschine
Einer dieser Experten ist Marco Lewandowski vom Bremer Institut für Produktion und Logistik, BIBA. Der 34-jährige Wirtschaftsingenieur war einer der Forscher am Projekt preInO: „Bei unserem Projekt ging es im Kern darum, Entscheidungen zu automatisieren. Bisher müssen Einsatzplaner aus den Daten und ihren Erfahrungen mit der Planung von Offshore-Wartungseinsätzen heraus die Entscheidungen treffen, wann ein Einsatzteam losgeschickt wird und welche Anlagen es anfährt. Diese Entscheidung wollten wir vereinfachen und effizienter gestalten.” Weil das weit über bisherige Instandhaltungsmethoden hinausgeht, sprechen die BIBA-Forscher von „preagierender Instandhaltung” – Wartungs-Entscheidungen zu treffen, bevor ein Ernstfall eintritt. Das Projekt nutzt Methoden künstlicher Intelligenz und automatischer Selbstorganisation, um Entscheidungen zu ermöglichen.
Verfügbarkeit erhöhen, Wartungskosten halbieren
Drei Jahre hat das Team aus dem BIBA, vom Windkraftanlagenhersteller Senvion und vom Oldenburger Softwarehaus SWMS an dem Projekt gearbeitet. Dabei haben sie im ersten Schritt Teilkomponenten einer Windkraftanlage in ihr Modell miteinbezogen: Rotorlager, das Hauptgetriebe als Gesamtsystem, die Pitch-/Akkutröge, den Umrichter, den Generator und die Azimut-/Rotorhaltebremse. Die Daten stammen vom Hersteller Senvion und dessen Anlagen im Offshorewindpark „Alpha Ventus”. Zudem wurden in Workshops mit Senvion-Mitarbeitern Erfahrungen und Wissen aufgezeichnet, um auf Basis der Betriebsdaten Algorithmen zu entwickeln, die dann in einer „Processing Engine” ausgeführt werden. Jetzt können die Forscher erste Ergebnisse präsentieren: In ihren Simulationen erhöhten sie die Anlagenverfügbarkeit vom industriellen Durchschnitt von 95 Prozent auf 98-99 Prozent und halbierten die Instandhaltungskosten.
Faktor Mensch einbeziehen
Die größte Kostenersparnis gelang dabei durch geschicktere Einsatzplanung. Bisher werden Einsätze entweder nach festen Wartungsintervallen geplant oder dann, wenn Anlagen ausfallen. „Mit unserem Entscheidungsmodell können wir jetzt sagen, wann ein Einsatz am ökonomischsten ist”, sagt Stephan Oelker. Der Wirtschaftsingenieur ist der zweite Mitarbeiter am BIBA im Projekt preInO. So ist es sinnvoll bei der Reparatur einer ausgefallenen Anlage zu wissen, in welchen Zustand sich die weiteren Anlagen befinden, um nach Möglichkeit aus zwei Einsätzen einen zu machen. Damit wird ein teures Schiff mitsamt hochqualifizierten und -bezahlten Fachkräften eingespart.
Auswirkungen auf die Praxis
Das Forschungsprojekt ist nun abgeschlossen. Die Ergebnisse fließen bei Senvion bereits in den Alltag ein: So passte der Hersteller Maßnahmenpakete bei Wartungsfällen an. Außerdem wird die „Processing Engine” verwendet, um aus existierenden Daten retrospektiv neue Erkenntnisse über Wartungsabläufe zu gewinnen. „Wir haben die Informationsgrundlage bei Verantwortlichen verbessert – es geht weniger Zeit bei Abstimmungen verloren”, so Oelker. Die Wissenschaftler wollen die Methode nun noch weiter in Richtung Industrie 4.0 entwickeln, indem sie noch mehr Komponenten in das System einbinden und auf Basis hochaufgelöster Daten noch bessere Prognosen und Diagnosen bzgl. des Zustands einzelner Komponenten und des Gesamtsystems vornehmen zu können. Sie ebnen damit den Weg zum Offshore-Windpark 4.0, der sich selbst überwacht, seine Instandhaltungsmaßnahmen eigenständig optimiert und sich nur dann meldet, wenn menschliches Eingreifen unbedingt erforderlich ist.
Weitere Artikel zur Windenergie auch auf unserer Themen-Übersichtsseite
Näheres zu Förderprogrammen für die Windkraft und andere Branchen gibt es bei Dieter Voß, Tel. 0421 361-32175, dieter.voss@wah.bremen.de
Erfolgsgeschichten
Künstliche Intelligenz (KI) dringt ein in unsere Autos, Zahnbürsten, Produktionsanlagen und Büros. Wo ist sie schon Unternehmensalltag? Beispiele für KI in der Anwendung.
Mehr erfahrenDie Arbeit von Behörden wird immer komplexer; parallel wächst der Informationsbedarf in der Bevölkerung. Zwei Studierende der Hochschule Bremerhaven treten diesem Dilemma mithilfe von KI entgegen.
zur BiS BremerhavenDie Kosten im Gesundheitssystem explodieren. Kann der Bremer Schwerpunkt auf Künstliche Intelligenz im Gesundheitswesen einen Ausweg weisen? Das thematisiert der Bremer Institutsleiter Prof. Dr. Horst K. Hahn am 2. und 3. Dezember 2024 auf dem Symposium „AI in Health“.
Mehr erfahren