La solution de maintenance prédictive de Predict visait à accroître la capacité de ces équipements en fournissant des informations précieuses sur les défaillances futures et l’état du système.

• Améliorer la capacité d’exploitation de ces équipements.

  Une étude approfondie de l’ingénierie des éoliennes et son association avec les données historiques des capteurs des éoliennes ont permis de surveiller efficacement le fonctionnement de l’éolienne et d’évaluer sa durée de vie utile restante.

• Déterminer les conditions anormales de puissance :

  En utilisant des algorithmes analytiques prédictifs, les caractéristiques de l’éolienne ont été modélisées, ce qui a permis de déterminer les conditions anormales de puissance.

• Déterminer les conditions anormales de température :

  La température des roulements de l’éolienne a été surveillée et les conditions anormales ont été détectées. Cela a permis de prédire le moment où la maintenance doit être effectuée pour éviter de graves dommages à l’éolienne.

PREDICT a analysé les données historiques provenant de différents capteurs pour 10 éoliennes. Les écarts de performance de l’éolienne ont été détectés en modélisant les caractéristiques de chaque éolienne à l’aide de techniques d’apprentissage automatique. Les caractéristiques modélisées de la turbine ont permis de détecter des conditions de puissance anormales.

En corrélant l’ingénierie de la turbine avec les données historiques, PREDICT a pu déterminer le comportement de la vitesse et de la température dans différentes conditions. Ceci a conduit à la détection de conditions de température anormales.

Ces informations ont permis au client d’avoir un aperçu utile des caractéristiques de performance de l’éolienne, y compris les écarts de performance entre les deux parcs éoliens et l’identification de la façon dont les turbines s’écartent de leurs performances habituelles.