Betere betrouwbaarheid windturbinebladen door innovatieve monitoring en digital twin-technologie

Het project is mede mogelijk gemaakt door het GROW-programma.

ReliaBlade2-NL wil een geïntegreerd model ontwikkelen dat voorspellende onderhoudsbeslissingen ondersteunt. Het digital twin raamwerk, dat monitoringsgegevens van de bladen, modellering en statistische analyse combineert, zal het risico op onvoorzien falen van het blad verminderen. Zo zijn tijdige inspecties en preventieve reparaties mogelijk voordat het blad faalt en niet meer bruikbaar is. De belangrijkste resultaten van het project omvatten modellen die faal- en vermoeiingslevensduur voorspellen, validatie-testresultaten, operationele validatiegegevens van turbines in het veld en een constructieve digital twin die een statistische voorspelling doet van de levensduur.

Uitdagingen

Uit recent onderzoek van DNV blijkt dat het faalpercentage van windturbinebladen de afgelopen jaren niet is afgenomen en dat duurzaamheid van de bladen een belangrijke uitdaging is voor de windindustrie. De snelle schaalvergroting van de turbinecapaciteit en de bladen die steeds groter worden hebben geleid tot een vraag naar nieuwe bladmodellen met uitgebreide testcampagnes. Ondanks inspanningen om de fabricageprocessen te beheersen, blijven fabricagefouten bestaan. Ze veroorzaken schade tijdens de certificering en het commerciële gebruik, wat kan leiden tot kwaliteitsproblemen. Deze defecten hebben niet alleen impact op de elektriciteitsproductie, maar ook verstrekkende gevolgen voor windenergieproducenten en de rol van de sector in de bredere energietransitie.

In dit project is een meetcampagne gepland voor een offshore windmolenpark waarbij de door Fibersail en Tarucca ontwikkelde systemen voor het monitoren van de bladconditie worden gebruikt. TNO gaat methoden ontwikkelen voor constructieve diagnose en prognose en samen met Shell ontwikkelt het onderzoeksinstituut de digital twin. TU Delft gaat testen uitvoeren op een torsiedoos constructie en vermoeiingstestcoupons die door Suzlon worden geleverd en modellen ontwikkelen voor de resterende levensduur van een blad.

Quotes van projectpartners

• Noud Werter, Lead Scientist Composite Structures bij TNO: “In ReliaBlade2-NL ontwikkelen we een model om restlevensduur van windturbinebladen te voorspellen. Het combineert numerieke modellen die het constructieve gedrag en de betrouwbaarheid van het blad voorspellen met data die worden verzameld door metingen in het lab en in het veld. Dit model biedt de industrie de middelen om hun operationele en onderhoudsbeslissingen voor windturbinebladen in de praktijk te optimaliseren.”
  
  

• Fred Guodong Zhong, Researcher Offshore Wind Innovation Program bij Shell: “ReliaBlade2-NL zal technologieën die onderhoud en conditie van windturbinebladen voorspellen volwassen maken. Daarbij hebben we de ambitie operations & maintenance te laten ondersteunen door een geïntegreerd digital twin platform. Dit is van groot belang voor exploitanten om zo over te stappen van onderhoud gebaseerd op tijd naar onderhoud op basis van conditie en om de risico's van de duurzaamheid van grote moderne windturbinebladen voor de hele windindustrie te verminderen.”
  
  

• Simon Watson, Professor Wind Energy Systems en Director bij TU Delft Wind Energy Institute: “De TU Delft ziet het Reliable 2-project als een belangrijke stap in haar onderzoek naar een beter begrip van defecten aan windturbinebladen, waar ze hun oorsprong vinden, en naar het produceren van nauwkeurigere modellen voor de bruikbare restlevensduur om de industrie de hulpmiddelen te geven die ze nodig hebben voor kosten-effectievere en efficiëntere exploitatie- en onderhoudsprocedures.”
  
  

• Carla Pereira, R&D Manager bij Fibersail: “Reliablade2-NL zal verdere inzichten verschaffen over hoe het Fibersail shape-sensing systeem de toepassing van structurele monitoring van windturbinebladen op basis van hun conditie kan laten rijpen. De inzet van ons systeem, in combinatie met geavanceerde algoritmes voor conditiebewaking, maakt het mogelijk om de status van windturbinebladen te monitoren.”
  
  

• Jaykarna Ashok Bhangale, Team leader – Material Technology bij Suzlon: “Het ReliaBlade2-NL project maakt analyse en voorspelling van defecten bij kritische constructieve details mogelijk door het valideren van de optimale concepten op multi-scale niveau door zowel experimentele en numerieke technieken en state-of-the-art methodes.”
  
  

• Jesse van Kempen, Co-founder & Tech lead bij Tarucca: “In ReliaBlade2-NL zal Tarucca samen met de consortium partners en haar eigen AI data team de optical sensor data, door een digital twin aanpak, omzetten in voorspellingen voor de constructieve performance van offshore wind turbine blades.”