27.08.2020 Views

VGB POWERTECH 7 (2020) - International Journal for Generation and Storage of Electricity and Heat

VGB PowerTech - International Journal for Generation and Storage of Electricity and Heat. Issue 7 (2020). Technical Journal of the VGB PowerTech Association. Energy is us! Maintenance. Thermal waste utilisation

VGB PowerTech - International Journal for Generation and Storage of Electricity and Heat. Issue 7 (2020).
Technical Journal of the VGB PowerTech Association. Energy is us!
Maintenance. Thermal waste utilisation

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

Optimierte Inst<strong>and</strong>haltungsstrategien in der thermischen Abfallverwertung <strong>VGB</strong> PowerTech 7 l <strong>2020</strong><br />

Überwachung Lagerschwingungen<br />

des Saugzuggebläses<br />

Durch KPIs werden die Lagerschwingungen<br />

des Saugzuggebläses eines abfallbefeuerten<br />

Dampferzeugers überwacht. Am<br />

1. September 2018 veränderte sich das<br />

Schwingungsverhalten, wobei die Schwingungen<br />

deutlich über den erwarteten Werten<br />

liegen. (B i l d 5 )<br />

Nach Analyse weiterer Prozessparameter<br />

erkannte man eine höhere Rauchgas-Feuchte<br />

und Staubbeladung, die zu vermehrten<br />

Ablagerungen auf dem Laufrad des Gebläses<br />

führen können. Es wurde festgelegt,<br />

dass genauere Untersuchungen vorgenommen<br />

werden sollten, falls sich die Schwingungen<br />

nach den anstehenden Sprengreinigungen<br />

nicht normalisieren. Ende Dezember<br />

2018 verringerten sich jedoch die<br />

Schwingungen, worauf das Überwachungsprogramm<br />

den Alarm beendete. Vorsorglich<br />

wurde der Saugzug beim nächsten Stillst<strong>and</strong><br />

gereinigt und kontrolliert.<br />

Bild 6. Auszug <strong>Heat</strong>map: Die Messstellen sind auf der horizontalen und der Zeitraum auf der vertikalen<br />

Achse dargestellt. Je stärker die Abweichungen, desto intensiver ist die Blaufärbung<br />

zum betrachteten Zeitpunkt.<br />

Überwachung einer Turbine<br />

mithilfe von Machine Learning<br />

Bei einem Turbosatz einer Turbine analysierte<br />

man über einen Zeitraum von Anfang<br />

2015 bis Oktober 2018 insgesamt 170<br />

Einzelwerte mit SR::SPC ML. Entdeckte<br />

Auffälligkeiten sind in B i l d 6 als Ausschnitt<br />

aus der <strong>Heat</strong>map dargestellt.<br />

Während der Analyse wurden Auffälligkeiten<br />

an 16 Messwerten erkannt, die ab Mai<br />

2017 große Abweichungen vom Normalbetrieb<br />

aufwiesen. Eine Erkenntnis aus der<br />

Analyse ergab, dass sich nach einer Revision<br />

im Jahre 2017 eine thermische Verschiebung<br />

in den Generatorlagern einstellte,<br />

wobei sich die Temperatur eines Lagers um<br />

10 K erhöht hatte. Außerdem vergrößerte<br />

sich die Wellenschwingung eines HD-Lagers<br />

der Turbine um das Dreifache. Nach<br />

etwa elf Monaten stiegen die Temperatur<br />

und die Schwingung des Generatorlagers<br />

erneut rapide an. Wenig später fiel der Generator<br />

aufgrund eines Schadens aus. Trotz<br />

Inst<strong>and</strong>setzung zeigte der Antriebsstrang<br />

nach Inbetriebnahme Mitte 2018 ein höheres<br />

Schwingungsverhalten, wobei insbesondere<br />

das Niederdrucklager der Turbine<br />

als auch die Getrieberitzelwelle Auffälligkeiten<br />

aufwiesen (B i l d 7 ). Die entsprechenden<br />

Messstellen wurden daher als High<br />

Quality-KPIs für eine automatische Alarmierung<br />

bei weiteren Verschlechterungen<br />

nachgebildet. Darüber hinaus beauftragte<br />

man eine auf Schwingungsanalysen spezialisierte<br />

Firma mit einer Ursachenanalyse.<br />

Bild 7. Auffällige Messwerte: Die Wellenschwingung des HD-Lagers hat sich um das Dreifache<br />

vergrößert (A). Nach etwa elf Monaten erhöhten sich die Temperatur und die Schwingung<br />

des Generatorlagers erneut, worauf der Generator kurze Zeit später ausfiel (B). Trotz<br />

Inst<strong>and</strong>setzung hat der Antriebsstrang nach Inbetriebnahme immer noch ein erhöhtes<br />

Schwingungsverhalten. Besonders auffällig sind das Niederdrucklager der Turbine und<br />

die Getrieberitzelwelle (C).<br />

Hocheffiziente Strategien steigern<br />

Betriebszeiten<br />

Die Erweiterung des Systems zur statistischen<br />

Prozesskontrolle belegt, dass der<br />

konsequente Einsatz KI-basierter Methoden,<br />

wie z.B. Big Data und Machine Learning,<br />

sowie <strong>for</strong>tschrittliche Algorithmen<br />

wie der Deep Learning Autoencoder die<br />

physikalische Modellbildung in der prädiktiven<br />

Inst<strong>and</strong>haltung nochmals deutlich<br />

vereinfacht. Die neue Lösung vereint<br />

hierbei die Vorteile von Expertenwissen<br />

(HQ-KPI-Ansatz) mit Big Data-Methoden<br />

für die Automatisierung von Modellierungsprozessen<br />

zur Ermittlung von KPIs<br />

für die kontinuierliche Prozessgüte- und<br />

Zust<strong>and</strong>süberwachung. Das Ergebnis ist<br />

eine gezielte Verdichtung einer Vielzahl<br />

von Messdaten zu aussagekräftigen Kennzahlen.<br />

Die größte Stärke des Systems besteht in<br />

der automatischen Überwachung aller<br />

prozessrelevanten Baugruppen und Anlagen,<br />

wodurch Abweichungen im Anlagenverhalten<br />

frühzeitig diagnostiziert werden.<br />

Dies entlastet nachhaltig Betriebsund<br />

Inst<strong>and</strong>haltungsingenieure, da sie<br />

proaktiv von dem Frühwarnsystem benachrichtigt<br />

werden und somit im Sinne<br />

einer hocheffizienten prädiktiven Inst<strong>and</strong>haltungsstrategie<br />

stets rechtzeitig reagieren<br />

können. Darüber hinaus unterstützt<br />

das System die Planung von Reinigungs-,<br />

Reparatur- und Revisionsarbeiten, da es<br />

im Vorfeld solcher Aufgaben explizit auf<br />

Anlagenbereiche aufmerksam macht, die<br />

möglicherweise bereits im Zuge der kontinuierlichen<br />

Überwachung auffällig waren.<br />

Diese und weitere Vorteile führen letztendlich<br />

zu positiven Ergebnissen wie eine<br />

Steigerung der Anlagenverfügbarkeit, reduzierte<br />

Stillst<strong>and</strong>zeiten, einen höheren<br />

Durchsatz und in der Folge zu längeren,<br />

produktiven Betriebszeiten.<br />

l<br />

44

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!