AQUADA-GO

Udfordring:

Pålidelighed og omkostninger er to vigtige drivende faktorer i udviklingen af ​​vindenergi. Automatisering og digitalisering af drifts- og vedligeholdelsesprocedurer (O&M) øger vindmøllernes pålidelighed og reducerer energiomkostningerne (LCOE). O&M-omkostninger udgør typisk 20-25 % af den samlede LCOE for både land- og offshore vind. En vigtig måde at reducere driftsomkostningerne på er at identificere og kvantificere de skjulte skader og samtidig gøre eftersyn billigere og mindre arbejdskrævende ved i højere grad at gøre brug af automatisering og digitalisering.

De nuværende metoder til inspektion af vindmøllevinger gør primært brug af følgende metoder: reb og/eller kurve, jordbaserede kameraer eller flyvende droner. Disse metoder er overvejende baseret på optiske billeder ved menneskelige visuelle frekvenser. Kun billederne af skader og træk på overfladen, såsom erosion, snavs og overfladerevner, identificeres. Men faktisk opstår den kritiske skade ofte under vingens overflade og de forbliver derfor ofte skjult. Dette er, i det mindste delvist, grunden til, at den mere arbejdskrævende og dyre metode til adgang til reb og/eller kurve stadig er meget udbredt i industrien. Efter billedoptagelse er der stadig brug for et betydeligt antal ekspertmandetimer til at analysere inspektionsbillederne og kategorisere vingeskader kvalitativt. Denne proces kræver en betydelig manuel indsats, hvilket gør den sårbar overfor menneskelige fejl. Endnu vigtigere er det, at vindmølledriften skal stoppes under inspektionen, hvilket medfører ekstra omkostninger på grund af nedetid og tabt omsætning.

Løsning:

AQUADA-GO projektet vil udvikle en metodik til en automatiseret, kontaktfri, næsten realtids vingeskadedetektion og risikoevaluering i et enkelttrin ved hjælp af termografi og computervision. Dette uden at stoppe vindmøllernes normale drift. Projektet vil tage AQUADA-teknologien – udviklet i DTU Vindenergis laboratorium – og anvende den på operationelle havvindmøller.

Projektet vil skabe en markedsklar løsning som kan ændre det nuværende arbejdsintensive, multitrin vinge-inspektionsparadigme. AQUADA-GO vil udvikle og demonstrere softwareimplementering og hardwareintegration i en alt-i-én droneplatform beregnet til brug på offshore vindmøller. Projektet udvikler et fuldskala prototype, som vil blive testet og demonstreret på RWE-ejede offshore vindmølleparker i samarbejde med projektets kommercielle partner Quali Drone og med projektets videnspartner DTU Vind.

Effekt:

Projektet sigter mod en reduktion på omkostningerne til vingeinspektion på mindst 50%, hvilket vil udgøre et væsentligt bidrag til at nedbringe omkostninger på LCOE (levelized cost of energy) med 2-3% over projektets 25-30-årige levetid sammenlignet med de eksisterende løsninger, der på nuværende tidspunkt er tilgængelige på markedet.

AQUADA-GO-teknologien forventes at reducere CO2-emissionen med 30-50% pr. turbineinspektion sammenlignet med de eksisterende løsninger, der er tilgængelige på markedet. I alt anslås AQUADA-GO-projektet at øge den samlede årlige omsætning for de to involverede virksomheder med 125 til 230 millioner DKK og skabe 33 til 55 nye fuldtidsjob 3 til 5 år efter projektets afslutning.

Formål:

Formålet med projektet er at udvikle en dronebaseret teknologiløsning, der muliggør scanning af vindmøllevinger for slitage og opstået fejl i konstruktion mens vindmøllen kører og derved leverer strøm. Dronen er udstyret med et termisk kamera, der på baggrund af lokaliseret opvarmning fra friktion i materialet under belastning, kan spore slitage, belastningsskader eller andre medfødte fejl. DTU har udviklet computer visualiseringsalgoritmer til analyse og fejlfinding. Implementering af AQUADA-GO vil derfor eliminere behov for nedlukning af operationelle vindmøller under inspektion, som er en nødvendighed for eksisterende inspektionsmetoder. Projektets formål har således en klar økonomisk, såvel som energiproduktions fordel, desuden vil projektets metode være med til at forbedre muligheden for at finde fejl der i strukturen som kun kan ses under dynamiske belastning.

Problemejer: RWE

Problemløsere: DTU, Quali Drone

Finansieret af

Fakta

Projektperiode: 2022/09. – 2025/08.

Samlet budget: 17.796.010 mio.kr.