Institut Nikola Tesla AD
Dr Vladimir Polužanski
Monitoring generatora vetroelektrana / Prediktivno održavanje hidroagragata: pristup zasnovan na podacima
Kratak sadržaj: Monitoring generatora vetroelektrana
U radu je obrađena ključna elektrooprema vetroelektrana sa posebnim osvrtom na generator kao jednu od najznačajnijih i najopterećenijih komponenti sistema za proizvodnju električne energije. Generator predstavlja centralni element u procesu konverzije mehaničke energije vetra u električnu energiju, te njegova pouzdanost direktno utiče na efikasnost, dostupnost i ekonomsku opravdanost rada vetroelektrane. U tom kontekstu, prezentovan je monitoring generatora kao integralni deo koncepta prediktivnog održavanja, čiji je cilj rano otkrivanje potencijalnih otkaza, smanjenje neplaniranih zastoja i optimizacija troškova održavanja tokom celokupnog životnog veka postrojenja. U radu su analizirane savremene tehnike praćenja stanja generatora koje generišu relevantne podatke za dalju obradu, statističku analizu i modeliranje. Obuhvaćene su: a) merenja i analiza vibracija u cilju detekcije mehaničkih nepravilnosti, neuravnoteženosti rotora i oštećenja ležajeva; b) merenje i analiza ostataka ulja radi praćenja habanja i prisustva metalnih čestica kao indikatora unutrašnjih oštećenja; c) merenje i analiza temperature namotaja, ležajeva i rashladnog sistema kao pokazatelja preopterećenja i degradacije izolacionih materijala; d) merenje i analiza naprezanja primenom mernih traka u cilju procene mehaničkog opterećenja konstruktivnih elemenata; e) akustična merenja i analiza radi identifikacije anomalija u radu i pojave neuobičajenih zvučnih obrazaca. Poseban akcenat stavljen je na integraciju ovih parametara u jedinstveni sistem za kontinuirano praćenje stanja i podršku donošenju odluka. Dat je prikaz primene veštačke inteligencije u monitoringu generatora, kroz upotrebu algoritama mašinskog učenja, neuronskih mreža i metoda dubokog učenja za prepoznavanje obrazaca, predikciju otkaza i automatsku klasifikaciju stanja opreme. Modeli zasnovani na analizi velikih skupova podataka omogućavaju povećanje tačnosti dijagnostike, smanjenje lažnih alarma i unapređenje strategija održavanja zasnovanih na stvarnom stanju opreme. Rad takođe daje osvrt na sajber bezbednost informacionog i operativnog sistema vetroelektrane, uključujući zaštitu SCADA sistema, komunikacionih protokola i industrijskih kontrolnih sistema od potencijalnih sajber pretnji. Naglašena je potreba primene standarda bezbednosti, segmentacije mreže, kontrole pristupa i kontinuiranog praćenja bezbednosnih događaja, čime se obezbeđuje siguran, pouzdan i otporan rad vetroelektrane kao dela kritične energetske infrastrukture. Posebna pažnja posvećena je ekonomskoj opravdanosti uvođenja naprednih sistema monitoringa, kroz analizu odnosa troškova implementacije i ušteda nastalih smanjenjem zastoja i produžetkom radnog veka generatora. Istaknut je je je značaj standardizacije podataka, interoperabilnosti sistema i primene koncepta pametnih energetskih mreža u kontekstu održivog razvoja.
Ključne reči: vetroelektrana, generator, monitoring, tehnike praćenja, veštačka inteligencija, sajberbezbednost
Kratak sadržaj: Prediktivno održavanje hidroagragata: pristup zasnovan na podacima
U savremenim elektroenergetskim sistemima hidroelektrane imaju izuzetno značajnu ulogu. Imajući u vidu njihove nezamenljive funkcije u obezbeđivanju brzog odziva sistema, balansiranju varijabilnih izvora i integraciji sa sve zastupljenijim obnovljivim izvorima energije, njihov značaj će u budućnosti nastaviti da raste. Centralni element svake hidroelektrane predstavlja hidroagregat, složen elektromehanički sistem koji obuhvata generator, turbinu i prateću opremu, čiji neplanirani otkaz može dovesti do značajnih ekonomskih gubitaka, smanjenja pouzdanosti rada sistema i poremećaja u isporuci električne energije. Pored direktnih gubitaka, otkazi mogu izazvati i sekundarne efekte kao što su povećani troškovi balansiranja sistema i dodatno opterećenje drugih proizvodnih kapaciteta. Razvoj savremenih informaciono-komunikacionih tehnologija i naprednih analitičkih metoda predstavlja ključni preduslov za modernizaciju rada hidroelektrana i prelazak ka inteligentnim sistemima upravljanja i održavanja. Integracija različitih izvora podataka, njihova centralizacija i napredna obrada omogućavaju dublje razumevanje ponašanja sistema i podršku donošenju odluka u realnom vremenu. Unapređenje strategija održavanja hidroagregata i prateće opreme podrazumeva prelazak sa tradicionalnih pristupa, zasnovanih na periodičnim pregledima ili reaktivnom održavanju, ka savremenijim konceptima održavanja zasnovanog na stanju opreme (Condition-Based Maintenance, CBM). Ovaj pristup se oslanja na analizu velikih količina podataka prikupljenih iz različitih izvora, kao što su SCADA sistemi, monitoring sistemi, namenski senzori i rezultati periodičnih ispitivanja radi kontinuirane procene trenutnog stanja opreme (data-driven pristup). Na taj način se omogućava blagovremeno prepoznavanje odstupanja od normalnog rada, identifikacija ranih indikatora degradacije i donošenje odluka zasnovanim na nalizi podataka o planiranju i izvođenju aktivnosti održavanja, čime se smanjuje rizik od neplaniranih otkaza. Poseban podskup CBM strategija predstavlja prediktivno održavanje (Predictive Maintenance, PdM), koje primenom naprednih algoritama zasnovanih na metodama mašinskog učenja i veštačke inteligencije omogućava prognozu razvoja degradacije i procenu preostalog životnog veka hidroagregata. Ovi modeli omogućavaju ne samo detekciju anomalija, već i predviđanje potencijalnih otkaza pre njihovog nastanka, čime se značajno smanjuje rizik od neplaniranih zastoja, povećava raspoloživost postrojenja i optimizuju ukupni troškovi održavanja. U okviru poster sesije biće predstavljen konceptualni dizajn i ključne funkcionalnosti jednog namenskog rešenja za prediktivno održavanje hidroagragata (Ægir) koje je razvila kompanija Elder Research iz SAD. Ægir platforma omogućava naprednu analitiku, ranu dijagnostiku i podršku donošenju odluka u realnom okruženju. Na osnovu dosadašnjih iskustava u primeni Ægir platforme, očekuje se da njena primena doprinese povećanju pouzdanosti i raspoloživosti hidroagregata, kao i unapređenju ukupne efikasnosti elektroenergetskog sistema.
Ključne reči: hidroagregat, dijagnostika, veštačka inteligencija, prediktivno održavanje
Biografija predavača
Dr Vladimir Polužanski je rukovodilac Kancelarije za digitalizaciju i primenu veštačke inteligencije u Elektrotehničkom institutu „Nikola Tesla“ AD Beograd, jednom od vodećih istraživačko-razvojnih instituta u oblasti elektrotehnike u regionu. Doktorirao je u oblasti veštačke inteligencije na Elektrotehničkom fakultetu Univerziteta u Beogradu, na modulu za softversko inženjerstvo. Njegov rad je usmeren na primenu naprednih analitičkih metoda i veštačke inteligencije u energetici, sa posebnim fokusom na digitalizaciju elektroenergetskih sistema, prediktivno održavanje i razvoj digitalnih blizanaca. Trenutno rukovodi razvojno-istraživačkim pilot projektom novog koncepta održavanja hidroagregata za EPS AD, koji se realizuje u saradnji sa partnerima iz Sjedinjenih Američkih Država. Učestvovao je u više komercijalnih projekata i studija u saradnji sa privredom, od kojih se izdvajaju: razvoj nadzorno-dijagnostičkog centra elektroenergetske opreme EPS AD, razvoj metoda i uređaja za akustička i električna merenja parcijalnih pražnjenja, razvoj metoda i uređaja za merenje elektromagnetnih polja, kao i razvoj uređaja za ispitivanje klase tačnosti mernih transformatora. Sertifikovan je kao ispitivač za ISO/IEC 27001:2022 i aktivno se bavi temama informacione bezbednosti u kontekstu kritične infrastrukture. Aktivno učestvuje u SAIGE projektu Ministarstva nauke, tehnološkog razvoja i inovacija, koji se realizuje uz podršku Svetske banke i Evropske unije, sa ciljem jačanja kapaciteta za primenu inovacija i transfer tehnologija.