Lopend

Rainbow | inzicht in erosie van rotorbladen door regen en bliksem

Regio:
Vlaanderen
Gefinancierd door
Het ICON-project Rainbow strekt tot doel meer inzicht te verwerven in de erosie van rotorbladen als gevolg van neerslag en bliksem, omdat erosie aanzienlijke productieverliezen met zich meebrengt. Dit moet nieuwe mogelijkheden opleveren voor preventief onderhoud en verbeterde strategieën voor inspectie, onderhoud en herstelling.

Context

De aantasting van rotorbladen door erosie van de voorrand is het gevolg van slagvermoeiing veroorzaakt door de inslag van deeltjes in de lucht en blikseminslag. Dit fenomeen wordt verantwoordelijk gehouden voor een productiviteitsverlies van 56 tot 75 miljoen euro per jaar in de Europese offshore windenergiesector. Ondanks talrijke onderzoeksprojecten om deze verliezen te beperken, is verdere research nodig om de monitoringoplossingen en voorspellingen te verbeteren.

Doelstelling

Het Rainbow-project biedt de offshore windenergiesector een beter inzicht in de oorzaken van erosie van de voorrand (leading edge erosion – LEE) van de rotorbladen van offshore windmolens, wat de weg baant voor nieuwe predictieve onderhoudsmogelijkheden en geoptimaliseerde strategieën voor inspectie, onderhoud en herstelling.

De projectpartners zetten in op doorgedreven monitoring van de turbines en de energieopbrengst enerzijds, en geautomatiseerde inspectie van de rotorbladen met drones anderzijds. Op basis van de resultaten zullen coatings en andere beschermingsmaterialen onder realistische omstandigheden op de Noordzee worden getest en gevalideerd.

Dit alles maakt het ook mogelijk de levensduur van de windturbines beter te voorspellen en inspectievluchten met drones beter voor te bereiden en in te plannen. Uiteindelijk zal dit resulteren in een langere levensduur van de windturbines en een drastische afname van inspectie-, onderhouds- en herstellingskosten. Een betere beheersing van de risico’s op erosie en schade aan de rotorbladen zal daarnaast ook bijdragen tot een hogere energieproductie en lagere en meer competitieve energieprijzen.

Aanpak

In een eerste fase zal Rainbow inzicht verschaffen in de correlatie tussen LEE en tijd: voor de vroegtijdige detectie van prestatieverminderingen van windturbines als gevolg van LEE zal gebruik worden gemaakt van een innovatieve combinatie van datasets. Deze zullen afkomstig zijn van verbeterde bladconditiemonitoringsystemen op basis van akoestische emissies en belastingsmetingen in de toren, prestatiemonitoring door AI-ondersteunde SCADA-gegevensanalyse en geautomatiseerde inspectie van de rotorbladen door drones.

In een tweede fase zullen nieuwe meerschalige weermodellen voorspellende weerkaarten van de belangrijkste factoren voor LEE genereren, namelijk windsnelheden, mogelijke erosie door neerslag en blikseminslagrisico's. Deze zullen de correlatie bepalen tussen de aantasting van de integriteit van de bladen en de impact van het weer door neerslag en bliksem. Een kwantitatieve karakterisering van de oorzaken van erosie zal het mogelijk maken de coatings van de bladen en de materialen ter bescherming van de voorrand van het blad (LEP – Leading Edge Protection) te testen en te valideren onder realistische weersomstandigheden in de Noordzee, wat zal resulteren in een classificatie van neerslag-erosie. Zo zal men de levensduur kunnen voorspellen, om de duurzaamheid van de LEP te verbeteren en een eenvoudigere en stabielere toepassing, alsook een efficiënter onderhoud en herstelling mogelijk te maken.

De weersvoorspellingen zullen ook worden gebruikt om het vliegbereik voor drones uit te breiden, voor een optimale vlucht rond stationair draaiende windturbines, voor een geautomatiseerde inspectie van de rotorbladen dankzij een planning van de vluchtroute op basis van machineleren. Tot slot zullen datagestuurde toekomstige en onmiddellijke weersvoorspellingen, in combinatie met on-site monitoring van de erosie-factoren op basis van de weersomstandigheden, de weg banen voor inspectie-, onderhouds- en herstellingsstrategieën tot beperking van erosie van de voorrand. Dit zal dan een langere levensduur van de rotorbladen en een drastische vermindering van de onderhouds- en herstellingskosten in de hand werken. De uitvaltijden en de herstellingskosten zullen kunnen worden teruggeschroefd dankzij autonome inspecties van rotorbladen via drones, met minimale weerrisico's, en nieuwe diagnosemethoden voor de vroege detectie van schade aan de bladen. Een classificatie voor schade door erosie van de voorrand en blikseminslag kan worden omgezet in een operationele risicobeoordeling op basis waarvan beslissingen kunnen worden genomen.

De exploitanten van windmolenparken (Norther en Otary) zullen de geoptimaliseerde strategieën voor monitoring en drone-inspecties in hun operationele procedures integreren. Dit zal resulteren in betere energieprestaties en een beter rendement van de investeringen. Deze geoptimaliseerde procedures zullen, samen met de vereiste sensoren en data-acquisitiesystemen, geleidelijk worden ingevoerd voor alle windturbines in het windmolenpark, en zullen ook worden uitgebreid naar andere windmolenparken. Een beter beheer van de risico’s op aantasting van rotorbladen zal bijdragen tot lagere en meer concurrerende energieprijzen.

SABCA zal in zijn hoedanigheid van specialist in luchtvaartsystemen bijdragen tot de ontwikkeling van geautomatiseerde inspectievluchten met drones. Voor SABCA is dit onderzoeksproject synoniem voor nieuwe mogelijkheden in zware weersomstandigheden en nieuwe functionaliteiten voor zijn droneplatform. Deze innovatie zal SABCA een concurrentievoordeel opleveren om zich op de internationale offshore-inspectiemarkt te profileren.

ENGIE Laborelec, leverancier van technische diensten aan de exploitanten van offshore (en onshore) windmolenparken, zal zijn expertise op het vlak van detectie en identificatie van de onderliggende oorzaak van aantasting van de rotorbladen en algemene ondermaatse prestaties van windturbines versterken en zo zijn diensten op het vlak van inspectie- en oorzakenanalyse uitbreiden, een activiteit die zich parallel met de wereldwijde expansie van (offshore) windenergie aan het ontwikkelen is. Deze expertise wordt ook internationaal geëxporteerd, wat bijdraagt tot de reputatie van Vlaanderen als pionier in offshore windenergie. Betere technische diensten zullen op hun beurt leiden tot minder downtime en betere operationele strategieën om schade te voorkomen.

 

RAINBOW prediction erosion and ldegradation of blades

 

Referentie

VLAIO Intercluster ICON Rainbow (gefaciliteerd door De Blauwe Cluster en SIM)

Projectpartners

  • Sirris
  • Norther
  • Engie 
  • Laborelec
  • Vrije Universiteit Brussel (VUB)
  • Otary
  • SABCA

 

Onze experten

Heb je een vraag?

Stuur ze naar innovation@sirris.be