Poszukiwanie lepszego sposobu konserwacji turbin wiatrowych
Energia wiatrowa jest kluczowym elementem w procesie przechodzenia społeczeństwa na energię ze źródeł odnawialnych. Problem polega jednak na tym, że turbiny wiatrowe są nadal bardzo drogie w eksploatacji i utrzymaniu – koszty przeznaczane na ten cel stanowią nawet jedną trzecią kosztów energii odnawialnej. Co więcej, nagła usterka krytycznego elementu często powoduje wyłączenie całej turbiny. Dla mieszkańców może to oznaczać nawet kilka miesięcy zasilania domów i mieszkań paliwami kopalnymi, a dla właścicieli farmy wiatrowej – utratę dochodów i konieczność przeprowadzenia kosztownych napraw. Kluczem do zapobiegania tym potencjalnie groźnym awariom jest wczesne wykrywanie usterek. Zazwyczaj odbywa się to w ramach monitorowania stanu, czyli procesu wykorzystującego dane z zaawansowanych czujników do monitorowania stanu urządzeń mechanicznych. „Eksperci techniczni zaangażowani w ten proces są jak lekarze dla turbin wiatrowych – próbują jak najszybciej zidentyfikować chorobę i zalecają najskuteczniejsze leczenie”, tłumaczy Allan Larsen, koordynator finansowanego przez UE projektu PAVIMON. Niestety monitorowanie stanu nie jest procesem zautomatyzowanym, co z kolei oznacza jego niską skalowalność, dlatego też firma realizująca projekt – Vertikal AI – wpadła na pomysł wykorzystania sztucznej inteligencji (SI). „Nasza technologia SI jest rewolucyjna”, dodaje Larsen, dyrektor Vertikal AI, duńskiej firmy specjalizującej się w opartych na SI rozwiązaniach z zakresu konserwacji zapobiegawczej. „Wykorzystuje ona historyczne dane o usterkach, wiedzę techniczną i dane mechaniczne do generowania ostrzeżeń o usterkach – szybciej i dokładniej niż podczas tradycyjnego monitorowania stanu”. Dzięki realizacji projektu PAVIMON ta technologia SI może wkrótce trafić na rynek.
Technologia SI w cenie
W ramach projektu firma Vertikal AI przeprowadziła studium wykonalności dotyczące stworzenia rentownego i skalowalnego rozwiązania opartego na opracowanej przez firmę technologii głębokiego uczenia maszynowego. Naukowcy zaangażowali w prace kilku właścicieli dużych turbin wiatrowych, którym zadawali różne pytania: Jak wygląda proces zarządzania danymi klientów? Z jakimi problemami borykają się użytkownicy? Jakie przeszkody stoją na drodze do modyfikacji istniejących procesów? W jaki sposób uczestnicy rynku, w tym konkurenci, mogą wspierać realizację strategii nastawionej na szybki rozwój? „Dzięki etapowi gromadzenia danych i informacji zwrotnych udało nam się zadać potencjalnym klientom wiele pytań i dokładnie poznać ich problemy i procesy”, wyjaśnia Larsen. „Nasza ciekawość została bardzo pozytywnie odebrana, a kontakty, jakie wtedy nawiązaliśmy, procentują do dziś”. Larsen tłumaczy, że dzięki tym rozmowom członkowie zespołu odkryli, że w perspektywie długoterminowej zapotrzebowanie na ich technologię SI jest dużo większe, niż zakładali. „Zrozumieliśmy, że nasz cel jest dosłownie na wyciągnięcie ręki i że możemy natychmiast zacząć działać, i to z dużo prostszą wersją naszego produktu, która jednak pozwoli nam zrealizować naszą długofalową wizję”, dodaje.
Szybsza komercjalizacja
Mimo że realizacja projektu już się zakończyła, firma Vertikal AI kontynuuje prace nad komercjalizacją swojego rozwiązania. „Projekt PAVIMON potwierdził, że nasza firma ma potencjał zaistnieć na rynku, a zebrane informacje stały się podstawą naszej długoterminowej strategii rozwoju”, podsumowuje Larsen. Obecnie firma Vertikal AI intensywnie inwestuje w prace badawczo-rozwojowe oraz pracuje nad szybszym wprowadzeniem produktu na rynek. W planach firmy jest ścisła współpraca z klientami nad udoskonaleniem produktu, co powinno zająć kilka najbliższych lat. Aby osiągnąć swoje cele, firma stara się przyciągnąć prywatnych inwestorów oferujących kapitał wysokiego ryzyka, zamierza także skorzystać z dofinansowania w ramach pilotażowego programu „Akcelerator” EIC.
Słowa kluczowe
PAVIMON, Vertikal AI, sztuczna inteligencja, SI, głębokie uczenie maszynowe, turbina wiatrowa, farma wiatrowa, konserwacja zapobiegawcza, energia wiatrowa, energia ze źródeł odnawialnych, monitorowanie stanu
