CWD
  • FVA-Gondel - digital twin
    FVA-Gondel - digital twin
  • Aufbau FVA-Gondel
    Aufbau FVA-Gondel
  • Center for Wind power drives
    Center for Wind power drives
  • Conference for Wind Power Drives 2017
    Conference for Wind Power Drives 2017
  • Aufbau FVA-Gondel
    Aufbau FVA-Gondel
  • Conference for Wind Power Drives 2017
    Conference for Wind Power Drives 2017
  • Vorstellung des 4MW Prüfstandes
    Vorstellung des 4MW Prüfstandes
  • Conference for Wind Power Drives 2017
    Conference for Wind Power Drives 2017

PROjekt zur ganzheitlichen Nutzungs-Optimierung von Windenergieanlagen durch Innovative Sensorsysteme

Ziel von ProNOWIS

Das Ziel des Projektes ist die Verbesserung von Sensorkomponenten zur Entwicklung eines anwendbaren Condition-Monitoring-Systems (CMS) zur Früherkennung des Entstehens und der Ausbreitung von White Etching Cracks (WEC) im Windenergieanlagen-Antriebsstrang. Das Projekt besteht aus den drei Haupt-Arbeitspaketen:

  • Big-Data Ansatz zu WEC
  • Tests von Material und Sensoren an Modellprüfständen
  • Test und Validierung auf dem 4MW

White Etching Cracks (WEC)

White Etching Cracks (WEC) ist eine Schadensart, die in Wälzlagern auftritt. Sie führen zu plötzlichen Ausfällen des Lagers in den Anfangsphasen der berechneten Lebensdauer (typischerweise nach 10% bis 20% der Betriebsdauer). Neben den Kosten für die Ersatzteile führt dieser Defekt auch zu hohen Instandhaltungs- und Betriebskosten, da es durch die unerwarteten Reparaturen zu langen Ausfallzeiten der Turbinen kommt. Sowohl wissenschaftliche als industrielle Forschung bestätigten den Einfluss von Materialien und Schmiermitteln auf das Entstehen von WEC; auch das Vorhandensein zusätzlicher elektrischer Spannung hat einen Einfluss auf die Bildung von WEC. Außerdem wurde demonstriert, dass sich Prozesse, die mit der Entstehung von WEC zusammenhängen, mit innovativen Erkennungstechniken wie dem Barkhausenrauschen und HIFM (Hochfrequenz Impuls Messung) abbilden lassen.

Vorgehensweise

Obengenanntes impliziert, dass man eine bessere Anlagenverfügbarkeit über eine selektive Überwachung der relevanten Faktoren erreichen kann. Nichtsdestotrotz bleiben WEC mit heute am Markt verfügbaren CMS nicht feststellbar. Die Herausforderung im Projekt PRONOWIS ist es, mit Hilfe der neusten Datenanalysetechnik die relevanten Parameter für die Entstehung von WEC zu finden. Die Basis hierfür ist eine umfangreiche Untersuchung von historischen und aktuellen Aufzeichnungen bestehend aus Felddaten, Datenbanken aus vorhergehenden Untersuchungen von WEC und Prüfstandsuntersuchungen. Die im Big-Data-Ansatz ermittelten Variablen der Schadensbilder dienen in diesem Arbeitspaket als Eingangsvariablen für den Entwurf und die Kalibrierung der neuen Sensorkonzepte. Die Sensoren werden dann im weiteren Projektverlauf auf den Prüfständen am IPAT in Erlangen und an dem 4MW System-Prüfstand am CWD installiert und trainiert. Der iterative Prozess wird auf ein CMS hinauslaufen, welches in der Lage sein soll, die Entstehung von WEC zu detektieren. Als Teil des sensorbasierten Lösungsansatzes wird es eine Verifikation der WEC-Resistenz der Schmierstoffen geben, welche sich vorher mit Hilfe der Prüfstands-Modellversuche ermittelt wurden. Um die WEC-Resistenz der Schmierstoffe als Teil des sensorbasiertem Lösungsansatzes zu verifizieren werden besondere Sensorkonzepte verfolgt, die eine Onlineüberwachung des Ölzustandes ermöglichen.

Nutzen

Intelligente und integrierte Sensorsysteme bilden einen zentralen Beitrag zur Digitalisierung des Antriebstrangs. Dies wird letztendlich zu einem autonomen System führen, welches höhere betriebliche Verfügbarkeit und niedrigere Instandhaltungskosten aufweist als bisher verfügbare Konzepte, und damit zu einer größeren Wirtschaftlichkeit. Unter diesem Gesichtspunkt gibt es ein großes Verbesserungspotential in Windparks, das noch ausgeschöpft werden kann.

Verbundpartner:

Fuchs Schmierstoffe GmbH
HYDAC Electronic GmbH
QIAGEN Lake Constance GmbH
QASS (Qualität Automation Systeme Software) GmbH
Schaeffler Technologies Ag & Co. KG

 

Ansprechpartner CWD:

Clara Bernabéu-Rojo, M.Sc.

Email: clara.bernabeu@cwd.rwth-aachen.de
Telefon: +49(0)241 / 80 96407

Laufzeit:

1.10.2016 - 30.9.2019

Das Projekt wird gefördert durch:

Projektträger: