Cyfryzacją zainteresowani są wszyscy, szczególnie w dobie światowego wyścigu w zakresie systemów sztucznej inteligencji. Rozwiązania te są coraz bardziej konkurencyjne i szeroko stosowane. Z drugiej strony, jeśli chodzi o OZE, energetyka wiatrowa jest obecnie najbardziej innowacyjnym sektorem zielonej energetyki. Nie powinien zatem dziwić fakt, że przemysł ten zaczyna coraz chętniej wykorzystywać systemy AI.

Wielu operatorów instalacji wiatrowych inwestuje w zaawansowane systemy SCADA, analityczne, CMSy i inne narzędzia predykcyjne wykorzystujące algorytmy uczenia maszynowego. Platformy AI działają poprzez identyfikację odchyleń między oczekiwanymi a rzeczywistymi zachowaniami, które są następnie odpowiednio oznaczane, co pozwala zespołowi inspekcyjnemu szybko zidentyfikować usterkę i ją naprawić przed wystąpieniem katastrofalnej awarii. W wyniku tego wydłuża się żywotność danego składnika systemu.

W idealnej sytuacji takie rozwiązanie powinno służyć nie tylko informowaniu, że wystąpiła awaria, ale także powinno podawać rodzaj problemu, szybkość wystąpienia awarii oraz szacować, ile pozostało czasu użyteczności danego składnika systemu. W tym miejscu prawdziwa wiedza inżynieryjna odgrywa kluczową rolę w kształtowaniu rozwiązania sztucznej inteligencji.

Choć sztuczna inteligencja i uczenie maszynowe są potocznymi hasłami, mają potencjał, by stworzyć poważne zamieszanie w sektorze wiatrowym. Jak więc przebiega digitalizacja energetyki wiatrowej?

Większe nie znaczy lepsze

Małe firmy mogą mieć przewagę nad dużymi koncernami, szybciej wprowadzając na rynek innowacyjne produkty cyfrowe. Niezależni gracze, którzy są blisko związani z rynkiem, a tym samym mają wyraźne wyczucie jego potrzeb, mają przewagę nad większymi, lepiej znając potrzeby spółek.

Podejście odgórne stosowane przez większe przedsiębiorstwa może wiązać się ze znaczną ceną nowych rozwiązań. Często proponowane rozwiązania są w praktyce abstrakcyjne i ograniczane przez dotychczasowo stosowane systemy, co stanowi wyzwanie dla operatorów, jeśli chodzi o wdrażanie nowych, cyfrowych rozwiązań.

Cyfrowe produkty oferowane przez większych dostawców są zwykle opracowywane w oparciu o ich własny sprzęt. Często niezależne firmy mogą oferować większą elastyczność dzięki ustalaniu cen, niestandardowym rozwiązaniom i niezależności sprzętowej.

Digitalizacja skupiona na wartości, nie narzędziach

Międzynarodowe koncerny, inwestując w systemy cyfrowe, często odnoszą porażki w uzyskaniu realnych zysków z tych inwestycji. Aby uniknąć tych kosztownych błędów, konieczne jest zrozumienie, że najpierw trzeba ustalić, jakie mają być zyski z stosowania narzędzi cyfrowych, zanim rozpocznie się ich implementację.

Po ustaleniu celów inwestycji należy opracować strategię i wybrać stosownych partnerów lub nabyć technologie. Pozwoli to lepiej skupić się na transformacji, która jak pokazują rezultaty, nie jest taka prosta.

Digitalizacja przed digitalizacją

Aby system AI mógł zaprezentować swoją pełną moc, konieczne jest dostarczenie mu sporej ilości danych i informacji. Do tego niezbędne jest stworzenie infrastruktury cyfrowej kompatybilnej z systemami uczenia maszynowego. Wiele firm, mimo wykorzystywania systemów komputerowych do zbierania i przechowywania danych ze swoich aktywów wiatrowych, nie skupia się na ich kompatybilności.

Przed implementacją systemu sztucznej inteligencji do analizy danych farm konieczne jest dostosowanie baz danych. Tylko dzięki temu inwestycje w system uczenia maszynowego będą w stanie pokazać pełnię swoich zalet. Wyzwanie leży np. w unifikacji sposobu przechowywania danych z raportów terenowych itp. Pomagają w tym systemy działające w chmurze, ale trzeba je zaimplementować.

Pokonanie problemu „fałszywych pozytywów” i „fałszywych negatywów”

Nadmierny entuzjazm w stosowaniu cyfrowych rozwiązań zagraża powstaniem fali „fałszywych pozytywów” generowanych przez systemy AI. Tego rodzaju błędy, to detekcja np. nieistniejących awarii. Jeśli tego rodzaju detekcji będzie nadmiernie dużo, to koszty operacyjne związane z każdorazowymi inspekcjami przekroczą zyski wynikające z stosowania rozwiązań cyfrowych. Dodatkowo, nadmierna ilość tego typu problemów powodować może zmniejszenie ufności do systemu, co przełoży się z kolei na problemy w jego dalszej implementacji.

Oznacza to, że systemy AI należy inteligentnie implementować w systemach cyfrowych operatorów farm wiatrowych, bo w większości są to układy o wąskim zainteresowaniu. Nada nie jest możliwe, by algorytm uczenia maszynowego zastąpił doświadczonego inżyniera – jest on tylko w stanie wykrywać konkretne sytuacje w relatywnie wąskim zakresie parametrów.

Dostępność danych

Podczas transformacji cyfrowej operatorzy turbin wiatrowych coraz częściej napotykają przeszkody związane z ograniczonym dostępem do danych z własnych zasobów. Bez pełnego dostępu do danych systemy nie mogą w pełni zrozumieć stanu tych zasobów i zarządzać nimi w optymalny sposób. Ostatecznie wyniki z systemów AI są jedynie tak dobre, jak szerokie są dostępne dane.

Problem ten wynika z ograniczenia infrastruktury lub zakresu gromadzonych danych, ale także polityki dostępu do informacji w firmie itp. Mimo to przemysł może pokonać te wyzwania w zakresie gromadzenia, przetwarzania i dostępu do danych, dzięki czemu wydajność turbin może zostać zoptymalizowana. Innowacyjny sprzęt cyfrowy i czujniki IIoT stają się coraz bardziej opłacalne, co ułatwia uzasadnienie inwestycji w poprawę systemów gromadzenia danych i infrastruktury.

Zrób-to-sam czy zrób-to-za-mnie?

Czynniki te naturalnie prowadzą do konieczności rozważenia metod przewidywania awarii: czy przeprowadzić wszystkie oceny i monitorowanie we własnym zakresie, czy zlecić je zewnętrznemu dostawcy tego rodzaju usług.

Pierwsze podejście typu „zrób to sam” sprawdza się w firmach, w których personel ma doświadczenie w działaniach operacyjnych i konserwacyjnych, gdzie tego rodzaju systemy predykcyjne stosowane są od dawna. Z czasem umiejętności obsługi tego rodzaju systemów wzrastają, a pracownicy firmy zwiększają jeszcze bardziej swój poziom kompetencji.

Alternatywnie, może okazać się bardziej opłacalne, aby wykorzystywać zasoby zewnętrznych spółek do monitorowania, wykrywania i przewidywania awarii zdalnie oraz doradzania w sprawie najbardziej odpowiedniego kierunku działania, przynajmniej w początkowym okresie digitalizacji. Na dłuższą metę, gdy zespół operatora zaznajomi się z nową technologią i technikami konserwacji predykcyjnej, rozważyć można przejście do pierwszego trybu pracy, czyli robienia wszystkiego samodzielnie, ale aby było to możliwe należy podjąć współpracę z dostawcą, który może zapewnić taki poziom elastyczności i dostosowane podejście.

Nawet jeżeli operator decyduje się na zastosowanie platformy po swojej stronie, to doradza się zakup gotowego pakietu i/lub usług odpowiedniego integratora, inaczej można „wymyślać koło od nowa”, co jest długotrwałym i kosztownym dla firmy procesem.

Zrozumienie opisanych powyżej mitów i wyzwań daje szansę na wykorzystanie potencjału nowego podejścia w stworzeniu możliwości, jakie daje cyfrowy świat sektorowi wiatrowemu. Jeśli AI połączy się z realnym doświadczeniem inżynierów, to uzyskany potencjał pozwala na daleko idącą optymalizację wykorzystania zasobów wiatrowych.

źródło: renewableenergyworld.com

Artykuł stanowi utwór w rozumieniu Ustawy 4 lutego 1994 r. o prawie autorskim i prawach pokrewnych. Wszelkie prawa autorskie przysługują swiatoze.pl. Dalsze rozpowszechnianie utworu możliwe tylko za zgodą redakcji.