Blade Monitoring: Eine entscheidende Komponente für den Erfolg eines Windparks

Rotorblätter von Windkraftanlagen sind täglich extremen Bedingungen ausgesetzt. Bislang stützte sich die Überwachung dieser Komponenten jedoch weitgehend auf jährliche Sichtprüfungen. Eine neue Zusammenarbeit zwischen Turbit und Weidmüller Monitoring Systems zeigt, wie die kontinuierliche Rotorblattüberwachung den Betrieb von Windparks beeinflussen und neue Möglichkeiten für das Risikomanagement schaffen kann.

Herkömmliche Rotorblattüberwachung ist unzureichend

Daniel Schingnitz, Leiter Vertrieb und Marketing bei Weidmüller Monitoring Systems, beschreibt den Branchenwandel: „Anfangs konzentrierten sich die Kunden aufgrund gesetzlicher Vorschriften nur auf die Eiserkennung. Doch in den letzten fünf bis sechs Jahren beobachten wir ein wachsendes Interesse an Zustandsüberwachungssystemen, da die Reparaturkosten für Rotorblätter deutlich steigen und die Vorlaufzeiten länger werden.“

Traditionelle Ansätze weisen klare Einschränkungen auf:

• Manuelle Inspektionen liefern nur Momentaufnahmen, der Schadensverlauf fehlt

• Drohneninspektionen bieten eine bessere Abdeckung, erfassen aber dennoch einzelne Momente

• Bei visuellen Beurteilungen können interne Strukturprobleme übersehen werden, die sich allmählich entwickeln

„Es handelt sich nur um eine Teilansicht des Zustands des Rotorblatts“, erklärt Schingnitz. „Man prüft den Zustand für einen kurzen Zeitraum. Es handelt sich nicht um eine kontinuierliche Überwachung, bei der man das Schadenswachstum über Wochen oder Tage hinweg beobachten kann.“

Kontinuierliche Rotorblattüberwachung mit KI

Die Zusammenarbeit zwischen Turbit und Weidmüller schließt diese Lücken durch kontinuierliche Überwachung mit Piezo-Beschleunigungssensoren, die in den Turbinenschaufeln installiert sind. Diese Sensoren, die etwa ein Drittel der Schaufellänge entlang positioniert sind, erfassen Schwingungen in Schlag- und Kantenrichtung mit hoher Frequenz.

Dr. Richard Kunert, Leiter der Datenwissenschaft bei Turbit, erklärt ihren innovativen Ansatz: „Wir haben uns von modernen Modellen der natürlichen Sprachverarbeitung inspirieren lassen, der Transformer-Architektur, die in Systemen wie ChatGPT verwendet wird. Diese Technologie eignet sich hervorragend für Frequenz- und Zeitreihenprobleme und ist daher überraschend effektiv für die Analyse von Rotorblattschwingungsdaten.“

Das System lernt die normalen Verhaltensmuster intakter Rotorblätter und vergleicht die Echtzeitdaten mit diesen Basiswerten. Bei Anomalien erhalten die Bediener sofort eine Warnung, anstatt auf geplante Inspektionen warten zu müssen.

Erkennen umfassenderer Turbinenprobleme

Während ihres Pilotprogramms mit 30 Turbinen ergab sich eine unerwartete Entdeckung: Rotorblattsensoren können Probleme jenseits der Rotorblätter erkennen.

„Das Schwingungsverhalten des Blattes wird von ganz unterschiedlichen äußeren Parametern beeinflusst“, so Schingnitz. „An allen drei Blättern sind Abweichungen vom Antriebsstrang in bestimmten Frequenzbereichen sichtbar. Wir sind in der Lage, Abweichungen von Antriebsstrangkomponenten zu analysieren. Das ersetzt zwar kein dediziertes Antriebsstrang-Monitoring, liefert aber zusätzliche Erkenntnisse.“

Diese umfassendere Erkennungsfunktion bedeutet, dass die Bediener Einblick in Folgendes erhalten:

• Hauptlagerprobleme

• Unregelmäßigkeiten im Antriebsstrang

• Probleme mit dem Blattlager

• Strukturelle Anomalien

Das Pilotprogramm identifizierte mindestens zwei signifikante Probleme in der 30 Turbinen umfassenden Testflotte und bestätigte damit die Wirksamkeit des Systems selbst in relativ kleinen Portfolios.

Von reaktiv zu präventiv

Die Wirtschaftlichkeit einer kontinuierlichen Rotorblattüberwachung geht über die Schadenserkennung hinaus. Schingnitz schätzt, dass Betreiber während der Lebensdauer einer Turbine typischerweise zweimal mit erheblichen Rotorblattproblemen konfrontiert werden. Überwachungssysteme sind daher allein durch frühzeitiges Eingreifen kosteneffizient.

Die wirtschaftlichen Vorteile reichen jedoch noch weiter:

Versicherungsintegration : Partnerschaften mit Versicherern wie HDI Global schaffen neue Versicherungsmodelle. Kontinuierlich

Durch die Überwachung können Risikobewertungen reduziert und möglicherweise die Versicherungsbedingungen verbessert oder eine Deckung für bisher nicht versicherbare Szenarien ermöglicht werden.

Inspektionsoptimierung : Die herkömmlichen Anforderungen jährlicher Sichtprüfungen – kostspielig und gefährlich für Techniker – können reduziert oder eliminiert werden, wenn eine kontinuierliche Überwachung für bessere Sichtbarkeit sorgt.

Wartungsplanung : Durch frühzeitige Erkennung sind gezielte Reparaturen während geplanter Wartungsfenster möglich, statt Notabschaltungen.

Ausblick: Integriertes Risikomanagement

Die Zusammenarbeit entwickelt sich weiter hin zu einer umfassenderen Überwachung. Weidmüller plant die Einführung von dualen Sensorpositionen pro Rotorblatt und dreidimensionalen MEMS-Sensoren, um die Präzision der Schadenslokalisierung zu verbessern.

Aus Turbits Sicht stellt die Rotorblattüberwachung eine weitere Datenquelle dar, die ihre umfassendere Vision einer integrierten Turbinenintelligenz unterstützt. „Wir möchten, dass künstliche Intelligenz Informationen aus verschiedenen Quellen kombiniert, um eine ganzheitliche Sicht auf den Zustand der Turbine zu schaffen“, erklärt Dr. Kunert.

Dieser Integrationsansatz geht über isolierte Überwachungssysteme hinaus und führt zu einer umfassenden Risikoinfrastruktur, auf die sich Betreiber bei kritischen Entscheidungen verlassen können.

Wichtige Überlegungen für Windparkbetreiber

Betreiber, die Lösungen zur Rotorblattüberwachung bewerten, sollten auf mehrere Faktoren achten:

Datenqualität : Die Wirksamkeit der KI-Überwachung hängt stark von der Zuverlässigkeit der Sensoren und der Datenkonsistenz ab.

Integrationsfähigkeit : Lösungen, die mehrere Datenquellen (SCADA, Vibrationssensoren, Wartungsaufzeichnungen) kombinieren, bieten umfassendere Einblicke als eigenständige Systeme.

Skalierbarkeit : KI-Ansätze, die die Verhaltensmuster einzelner Turbinen erlernen, sind effektiver skalierbar als solche, die für jede Installation manuelles Fachwissen erfordern.

Wirtschaftliche Begründung : Berücksichtigen Sie bei der Berechnung der Kapitalrendite neben der Schadenserkennung auch Versicherungsvorteile, Einsparungen bei Inspektionskosten und Wartungsoptimierung.

Die Zukunft des Windenergiebetriebs gestalten

Die Kombination bewährter Sensortechnologie mit fortschrittlicher KI-Analyse schafft neue Möglichkeiten für den Betrieb von Windparks. Da die Turbinen immer größer werden und unter immer anspruchsvolleren Bedingungen betrieben werden, wird die kontinuierliche Überwachung zu einer unverzichtbaren Infrastruktur und nicht mehr zu einem zusätzlichen Vorteil.

„Beide Unternehmen haben sich zusammengeschlossen, um die Windindustrie voranzubringen“, so Dr. Kunert. „Wir haben ein neues Produkt geschaffen, das den Markt wirklich verändern kann.“

Diese Zusammenarbeit steht für einen breiteren Trend hin zu integriertem Risikomanagement in der Windenergie. Der Trend geht von reaktiver Wartung hin zu vorausschauenden Maßnahmen, die den Anlagenwert maximieren und unerwartete Ausfälle minimieren. Da die Branche zunehmend auf 100 % erneuerbare Energien umsteigt, werden Innovationen wie die Rotorblattüberwachung zu grundlegenden Bausteinen für einen zuverlässigen und effizienten Windparkbetrieb.

Möchten Sie mehr darüber erfahren, wie Rotorblattüberwachung Ihren Windparkbetrieb verbessern kann? Hören Sie sich die vollständige Podcast-Folge an, in der unser CEO Michael Tegtmeier mit Dr. Richard Kunert und Daniel Schingnitz spricht und tiefer in die technischen Details und praktischen Anwendungen der Rotorblattüberwachung eintaucht.