物联网实施进军风力发电

北海风电场正在进行一些引人注目的战斗，而且它们与海洋生物无关。他们从 15 周后德国最大的涡轮轴承结构的故障开始；预测性维护计划使该结构持续 15 个月。 MRO Electric and Supply 的 Joseph Zulick 说，结果是灾难性的维护费用和似乎是罪魁祸首的巨型叶片的重新设计：它们确实将涡轮机震死了 .

北海的一个结构今年失去了它的主要涡轮机外壳，促使工程师确定可能需要检查和改装海上所有 206 台这种尺寸的机组。北海是风力和海流最猛烈的地区，大型涡轮机发电场出现问题，但其他地区也存在维护问题。 （另见）

每次客户为整个农场计划增加兆瓦时，预测性维护在这些巨头的设计工程中的作用都会提升重要性。监测风切变、海洋/空气温度、风速、扭矩和振动现在只是冰山一角。每个设计都必须包括关于轴承温度、外壳完整性和水线上方和下方接线的即时和早期警告。

内置

在一篇关于更好的连接维护的文章 (1) 中，作者解释了冗余系统在连接到最偏远结构（如北海涡轮机）的工业网络中的重要性。每个设计师都需要在新的涡轮机设计中结合早期预警、安全和响应，如关闭/关闭。维护策略一直被设计为例行程序。这些例程都需要大幅升级，但更积极的做法是增加一个主动预警装置。

最好的系统现在结合了优化性能和更好地预测维护需求的能力。该系统快速而强大。 “该平台以亚秒级响应时间分析 TB 数据的独特能力进一步提高了我们从 IoT 应用程序中产生重要价值的能力，”文章说。本研究中运行的每台风力涡轮机都有 150 多个传感器，用于检查速度、天气、振动和加速度（减速度）。

另一个高级功能的例子是为极端天气脆弱性设计的系统，它不仅可以立即分析预测数据，而且在紧急情况发生之前开始故障安全操作。追求最可靠信息传输的物联网设计人员必须意识到恶劣的天气会导致各种通信系统崩溃；有时，硬连线连接是唯一的方法。在这种情况下，沿着主传输电缆运行的强大的基于电缆的连接可能会覆盖 Wi-Fi 和卫星。

作为故障安全措施，该应急计划可以减少或消除关闭和减速器等机器之间的误传。这也可以防止对易受剧烈变化的风影响的机器造成损坏。

智能软件

极端环境的网络必须双向工作。它必须从传感器或探头通过受保护的主机传输到应急板位置。由此产生的关闭决定必须通过同一网络或另一个网络传回。作为恶劣天气变化的结果，对过热或破损的反应可能是停机或减速。

在每个事件中，可以收集的数据越多，网络就越能“学习”如何以及如何不继续。以设备安全为重中之重的机器学习将根据情况进行调整。

风电场是联网机器的一个很好的例子，它们可以独立运行，直到出现问题。机器学习系统可以帮助改进操作员的选择，无需完全关闭系统，甚至关闭单个涡轮机。当网络的学习方面与更强大的冗余系统结合时，它们会协同工作，从而使学习更快更高效。

一个例子是 Siemens 的开发 (2) SIMATIC计算的开发，公司称之为“全集成自动化的核心部件”。这项技术使涡轮机农场更接近于自动化生产，更重要的是，为了安全目的而进行自我调节。

大小无关

从位于数百英里外汹涌大海中的跟踪和故障排除系统中汲取的经验教训将有助于在城市或社区电网规模的较小涡轮机农场中设计安全性。大多数公用事业公司都有风能和太阳能的计划，但仍然担心成本、安全和支持。

下一代涡轮机的设计将是可扩展的，就像今天的农场是可扩展的一样。在单个涡轮机系统中，将能够使用机器学习和物联网将自身扩展到最有效的用途，包括自行关闭或自动将其电力发送到电池站点。

现在有很多公司为未来设计的例子。几年前似乎不太关心风能和太阳能发展的国家现在正在大力投资。一个例子是土耳其，它在过去 11 年中获得了 120 亿美元（102.8 亿欧元）的风能投资。 （3）2007年全国发电量146兆瓦；报告称，去年风电场发电量为 6,500 兆瓦。在一个 11 年增长 50 倍的行业中，维护和更好的监控必不可少。

土耳其并不是唯一一个将风能增长十倍的国家。互联世界靠能源运转；未来的能源也将相互关联。如果硬件制造商也能保证其无线电子仪器需求得到满足，Wind 可能会成为其中的重要组成部分。

此博客的作者是 MRO Electric and Supply 的作家兼经理 Joseph Zulick