EnBW: ML-мониторинг ветротурбин, экономия около 10 млн евро в год

Ветроэлектростанции — ключевой элемент энергоперехода, и каждый простой ветроустановки означает потерю выработки. По словам руководителя группы мониторинга технического состояния EnBW Майка Шлехтингена, ещё около 2010 года обслуживание ветроустановок было в основном реактивным: аналитики вручную искали отклонения в данных, а при подозрении на неисправность на установку выезжал сервисный техник. При этом в каждой установке стоит до 1500 датчиков, которые передают сотни тысяч значений в минуту. Задача — обрабатывать этот поток данных и заранее выявлять дефекты и аномалии оборудования.

Команда EnBW в Гамбурге разрабатывает и обучает модели машинного обучения, которые находят отклонения от нормы и сообщают о них. Каждые десять минут установка передаёт рабочие данные — температуру подшипников и масла в редукторе, частоту вращения генератора, — к ним добавляются показания других датчиков. Модель связывает их с внешней температурой, скоростью ветра и выдаваемой мощностью, изучает зависимости между параметрами и моделирует нормальное поведение узла. Каждая модель специализирована на своём узле: одна распознаёт повреждения измерительной цепи, другая — неполадки анемометров. По словам специалистов, так удаётся на ранней стадии обнаруживать, например, волосяные трещины в зубчатых колёсах.

По данным на октябрь 2024 года, команда работает с более чем 22 000 моделей, которые обучаются за секунды, и с их помощью отслеживает 450 ветроустановок. Моделей больше, чем установок, потому что установки разных производителей, с разными компонентами и в разных условиях. Новая установка должна пройти полный годовой цикл, прежде чем модели дадут точные данные. Сигналы системы разбирают вместе с инженерами, при необходимости направляют сервисную бригаду, а при угрозе серьёзного отказа снижают мощность установки. По данным EnBW, это уже экономит компании около 10 млн евро в год.