Indirect detection of ice on wind turbine rotor

Abstract

Wind turbine icing causes issues for wind turbines in cold climates. Ice causes production losses and increases loads on turbine structures and components. Icing conditions can be identified with an ice sensor, but ice accretion on the turbine is harder to detect directly with a sensor. On the other hand, the effects icing has on turbine behaviour are known.

This thesis shows an approach for ice detection indirectly, by searching the turbine process data for signs of icing. This is done in real time by looking for abnormal values in standard process measurements using statistical methods.

Detection is done by using three different control charts, a principal component analysis -based method and a method based on k nearest neighbour search.

The effectiveness of these methods is examined in a simulation study. The sensitivity, accuracy and detection speeds of all five methods are compared in different ice and wind cases. Finally the methods are tested on authentic process data from a real wind turbine.

The methods introduced are able to react appropriately to changes in the data in the simulated test case, but the accuracy is dependent on wind speed. The methods do find probable icing incidents from real process data, but overall detection accuracy in real world use still leaves a lot of room for improvement.

Tuuliturbiinin lapoihin kertyvä jää tuottaa vaikeuksia tuulivoimaloille kylmässä ilmastossa. Jaa aiheuttaa tuotantotappioita ja kasvattaa turbiinin rakenteisiin ja komponentteihin kohdistuvia kuormia. Jäätävät olosuhteet voidaan tunnistaa, mutta jään olemassaoloa turbiinin lavoissa on vaikeampi mitata. Jäätämisen vaikutukset turbiinin toimintaan kuitenkin tunnetaan.

Tavoitteena on kehittää ja testata menetelmä, jolla voidaan havaita turbiiniin kertyvä jää tarkkailemalla turbiinissa normaalisti tehtäviä mittauksia. Turbiinin prosessidatasta etsitään jäätämiseen viittaavia, tavallisesta toiminnasta poikkeavia arvoja tilastollisten menetelmien avulla.

Sovelletut menetelmät ovat normaalisti laadunvalvonnassa käytettyjä tilastolliseen prosessinohjaukseen suunniteltuja menetelmiä, joita käytetään tässä työssä jään aiheuttamien ilmiöiden tunnistamiseen.

Menetelmien toimivuutta testataan ensin simulointimallin tulosten avulla erilaisia tuuli- ja jääolosuhteissa. Tämän jälkeen menetelmien toimivuutta kokeillaan myös oikealla tuulivoimalan prosessidatalla.

Työssä käytetyt menetelmät onnistuvat löytämään jäätymistapaukset simulointidatasta melko hyvin, tosin tunnistustarkkuus on riippuvainen tuulen nopeudesta. Mittaustulosten analysointi kuitenkin osoittaa, että tarkkuudessa on vielä parannettavaa.