Présentation

Article

1 - SYSTÈMES DE PRODUCTION D’ÉNERGIE ÉOLIENNE

2 - DIAGNOSTIC DE DÉFAUTS DES ÉOLIENNES

3 - MÉTHODES DE DIAGNOSTIC DE DÉFAUTS DES ÉOLIENNES

4 - BILAN DES MÉTHODES PRÉSENTÉES ET DISCUSSION

5 - CONCLUSION

Article de référence | Réf : MT9286 v1

Méthodes de diagnostic de défauts des éoliennes
Systèmes de surveillance de défauts pour la maintenance prévisionnelle de parcs de turbines éoliennes

Auteur(s) : Moamar SAYED MOUCHAWEH

Date de publication : 10 avr. 2018

Pour explorer cet article
Télécharger l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !

Sommaire

Présentation

Version en anglais En anglais

RÉSUMÉ

Dans cet article, le principe général des méthodes de diagnostic des défauts des éoliennes sera présenté. Ensuite, les méthodes de diagnostic des défauts des éoliennes les plus connues de la littérature seront étudiées et comparées en utilisant plusieurs exemples. L’objectif est de montrer leur capacité à répondre aux défis liés au développement et à l’implémentation d’un système d’aide à la maintenance prévisionnelle de parcs éoliens.

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

ABSTRACT

Decision support system for predictive maintenance of wind farms

In this article, the state of the art in the monitoring of wind turbines to improve their availability and reduce their maintenance costs is studied and discussed. The methods of fault diagnosis for the best-known wind turbines are then studied and compared, with the help of some examples. The aim is to show their ability to meet the challenges of developing and implementing a maintenance system for wind farms.

Auteur(s)

INTRODUCTION

Les États membres de la Commission européenne ont pris l’engagement de réduire d’ici à 2020 la consommation d’énergie primaire de 20 %. Afin d’atteindre cet objectif, il est devenu indispensable de développer et d’intégrer des sources d’énergie renouvelable (SER), en particulier les sources éoliennes, dans les réseaux de production usuels en veillant à garantir deux objectifs :

  • accroître la production des SER, en particulier les parcs éoliens, en augmentant leur disponibilité et leur fiabilité ;

  • diminuer les coûts de production en réduisant les coûts de maintenance et limitant les conséquences de défauts affectant le fonctionnement normal des composants des SER.

Afin de pouvoir atteindre ces deux objectifs, il est indispensable d’équiper les éoliennes d’outils de surveillance efficaces permettant de détecter de manière précoce et fiable l’apparition de défauts et d’estimer leur criticité et durée de vie restante afin de réaliser des ajustements ou des réparations au plus tôt et à moindre coût.

Le diagnostic de défauts des éoliennes est une tâche très difficile à réaliser, notamment à cause de la forte variabilité de la vitesse du vent et des turbulences autour du plan du rotor, la non-linéarité de la dynamique des éoliennes, l’apparition de certains défauts (par exemple, les défauts des actionneurs de pivotement de l’angle de calage des pales) dans des conditions de fonctionnement (région d’optimisation de la puissance) où les conséquences de ces défauts sont cachées, les actions de la commande qui compensent les effets de défauts et le faible volume de données décrivant les défauts par rapport aux données de fonctionnement normal.

Il existe de nombreuses méthodes de diagnostic de défauts des éoliennes dans la littérature. Ces méthodes sont fondées sur l’utilisation d’un modèle caractérisant les modes ou les comportements, de fonctionnement normal et/ou défaillant. En général, ces méthodes peuvent être classées en deux catégories principales : les méthodes à base de modèle analytique et les méthodes à base de traitement du signal et d’intelligence artificielle. Dans la première classe, un modèle mathématique ou analytique (quantitatif et/ou qualitatif) est construit en utilisant une connaissance a priori sur la dynamique et/ou la structure du système. Dans la deuxième classe, le modèle est construit par apprentissage en utilisant un ensemble de données sur le comportement du système. Les approches appartenant à ces deux catégories ont leurs avantages et inconvénients selon la connaissance disponible sur le comportement du système, sa complexité, le mécanisme d’apparition des défauts et leur dynamique de développement.

Dans cet article, le principe général des méthodes de diagnostic de défauts des éoliennes sera présenté. Ensuite, les méthodes de diagnostic de défauts des éoliennes les plus connues de la littérature seront étudiées et comparées en utilisant plusieurs exemples. L’objectif est de montrer leur capacité à répondre aux défis liés au développement et à l’implémentation d’un système d’aide à la maintenance prévisionnelle de parcs éoliens.

Cet article est réservé aux abonnés.
Il vous reste 95% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

KEYWORDS

fault diagnosis   |   wind turbine   |   conditional maintenance   |   predictive maintenance

DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-mt9286


Cet article fait partie de l’offre

Maintenance

(76 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Version en anglais En anglais

3. Méthodes de diagnostic de défauts des éoliennes

Le modèle construit par les méthodes de diagnostic internes ou externes estime ou supervise les paramètres ou les dynamiques (modes de fonctionnement/comportements) qui seront impactés par les conséquences de l’occurrence de défaut. En général, ces méthodes réalisent le diagnostic par une : 1) surveillance/analyse de performance (puissance générée), 2) surveillance/analyse thermique (température) et 3) surveillance/analyse vibratoire (vitesse arbre lent et rapide, angles des 3 pales).

3.1 Diagnostic à partir de la surveillance/analyse de la puissance

L’occurrence d’un défaut dans une turbine éolienne, ou un de ses composants, impacte sa performance énergétique caractérisée par la puissance générée P. C’est pourquoi l’ensemble des méthodes à base de modèle cherchent à estimer la puissance générée en fonction de plusieurs variables contextuelles (vitesse de vent, direction de vent, etc.) ou internes (par exemple, vitesse d’arbre lent et rapide) d’une éolienne.

Dans , les auteurs développent un modèle à base de réseaux de neurones permettant de prévoir la puissance active générée en fonction de la vitesse et la direction de vent. Les paramètres de réseaux de neurones sont déterminés en utilisant des données enregistrées pendant une période de fonctionnement sans défaut. La comparaison entre la puissance estimée par les réseaux de neurones et la puissance réelle mesurée par le système SCADA à chaque période d’échantillonnage permet de générer un résidu. Une augmentation significative de la valeur de ce résidu permet de détecter un défaut. Cependant, la variation importante du résidu généré dans les situations normales due à la modification d’autres variables environnementales et internes non prises en compte limite la fiabilité de la détection de défauts.

Pour surmonter ce problème,...

Cet article est réservé aux abonnés.
Il vous reste 94% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Maintenance

(76 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS

Lecture en cours
Méthodes de diagnostic de défauts des éoliennes
Sommaire
Sommaire

BIBLIOGRAPHIE

  • (1) - JACOBSEN (H.) -   Denmark breaks its own world record in wind energy,  -  Euractiv.com http://www.euractiv.com/section/climate-environment/news/denmark-breaks-its-own-world-record-in-wind-energy/

  • (2) - LIU (W.Y.), TANG (B.P.), HAN (J.G.), LU (X.N.), HU (N.N.), HE (Z.Z.) -   The structure healthy condition monitoring and fault diagnosis methods in wind turbines : A review.  -  Renewable and Sustainable Energy Reviews, 44, 466-472 (2015).

  • (3) - AHMAD (R.), KAMARUDDIN (S.) -   An overview of time-based and condition-based maintenance in industrial application.  -  Computers & Industrial Engineering, 63(1), 135-149 (2012).

  • (4) - YANG (W.), TAVNER (P.J.), CRABTREE (C.J.), FENG (Y.), QIU (Y.) -   Wind turbine condition monitoring : technical and commercial challenges.  -  Wind Energy, 17(5), 673-693 (2014).

  • (5) - DAS (S.), KARNIK (N.), SANTOSO (S.) -   Time-domain modeling of tower shadow and wind shear in wind turbines.  -  ISRN Renewable Energy, (2011).

  • ...

Cet article est réservé aux abonnés.
Il vous reste 95% à découvrir.

Pour explorer cet article
Téléchargez l'extrait gratuit

Vous êtes déjà abonné ?Connectez-vous !


L'expertise technique et scientifique de référence

La plus importante ressource documentaire technique et scientifique en langue française, avec + de 1 200 auteurs et 100 conseillers scientifiques.
+ de 10 000 articles et 1 000 fiches pratiques opérationnelles, + de 800 articles nouveaux ou mis à jours chaque année.
De la conception au prototypage, jusqu'à l'industrialisation, la référence pour sécuriser le développement de vos projets industriels.

Cet article fait partie de l’offre

Maintenance

(76 articles en ce moment)

Cette offre vous donne accès à :

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques

Des services

Un ensemble d'outils exclusifs en complément des ressources

Un Parcours Pratique

Opérationnel et didactique, pour garantir l'acquisition des compétences transverses

Doc & Quiz

Des articles interactifs avec des quiz, pour une lecture constructive

ABONNEZ-VOUS