KI-unterstütztes Schallemissionsmonitoring zur automatischen Schadenserkennung in Tragstrukturen von Windenergieanlagen
Inhaltsverzeichnis
Projektdaten
|
Titel | Title |
Kurzbeschreibung
Gesamtziel des Forschungsvorhabens ist die Entwicklung von Methoden zur effizienten und automatisierten Dauerüberwachung der Tragstruktur von Windenergieanlagen zur Detektion von Schädigungsereignissen und Anomalien mithilfe der Schallemissionsanalyse und innovativer Auswertemethoden aus dem Bereich der künstlichen Intelligenz (KI).
Bericht aus dem Jahrbuch 2020
AUTOMATISIERTE DAUERÜBERWACHUNG VON WINDENERGIEANLAGEN
Windenergieanlagen im Osterzgebirge
2018 forderte das Bundesministerium für Wirtschaft und Energie im sechsten Monitoring-Bericht der Energiewende, dass bis 2050 mindestens 80 % der Treibhaus-gasemissionen reduziert und gleichzeitig ein Anteil von 60 % der erneuerbaren Energien am Bruttoendenergieverbrauch gegenüber 1990 erreicht werden sollen. Mit etwa 16 % Beteiligung an der Gesamtenergieer-zeugung in Deutschland zählt die Wind-energie zu einem Schwerpunkt der Energiewende. Um das Ziel einhalten zu können, müssen einerseits die Leistung der Windenergieanlagen gesteigert und anderseits ihre Errichtungs- und Instandhaltungs-kosten reduziert werden. Im Sinne der günstigeren Instandhaltungskosten müssen die Schädigungen in Bauteilen rechtzeitig detektiert werden, bevor sie ein kritisches Versagen auslösen und kostenintensive Reparaturen erfordern. Die Grundlage für diese Art der Instandhaltung sind Daten, die Informationen über Zustandsänderungen und Schädigungen enthalten.
Für die in Betrieb befindlichen Windenergieanlagen werden die Daten zum Großteil
durch herkömmliche Messmethoden gewonnen, z. B. Dehnungsmessstreifen oder
Beschleunigungssensoren. Bei diesem Verfahren wird aber vorausgesetzt, dass hinreichend große Schädigungen eine globale strukturelle Verformung im Tragwerk oder
in Bauteilen hervorrufen, die durch oben genannte Messtechnik aufgenommen werden
kann. Entstandene kleine Schädigungen können in diesem Verfahren nicht rechtzeitig
identifiziert und lokalisiert werden.
In diesem Projekt wird Schallemissionsmessung zur Datengeneration verwendet, die eine unmittelbare Detektion der Schädigungsereignisse ermöglicht. Es wird eine Vielzahl von großmaßstäblichen Versuchen im Otto-Mohr-Laboratorium der TU Dresden vorgesehen, bei denen Drahtbruchsignale von Spanngliedern erzeugt und durch Schallemissions-sensoren aufgenommen werden. Bei den Versuchen werden verschiedene Einfluss-parameter untersucht, wie z. B. unterschiedliche Sensoranordnungen, Abstände zwischen Bruchstellen und Sensoren. Die ermittelten Daten werden mithilfe der neuartigen
Auswertemethoden aus dem Bereich der künstlichen Intelligenz verarbeitet. Aufbauend
auf den Erkenntnissen sollte ein Konzept für ein effektives Structural-Health-Monitoring-
System für Windenergieanlagen entwickelt werden, welches die Informationen über den Zustand der Tragkonstruktion liefern kann.