Développement d'un modèle de pronostic pour les roulements des éoliennes

RÉSUMÉ: Les climats nordiques font référence aux conditions météorologiques dans lesquelles les éoliennes sont exposées au givrage atmosphérique ou à des températures basses en dehors des limites de conception des éoliennes ce qui cause souvent une réduction de la production énergétique et une augmentation des couts de maintenance. Les conséquences et les coûts liés aux défaillances des composants, sont critiques, car il est difficile d’accéder au site surtout les périodes hivernales et il faut attendre la livraison des pièces de rechange pour remettre l’éolienne en marche et faire face aux défauts. L'échec d'un composant critique, comme une boîte de vitesses, peut endommager d'autres composants et il est donc important d'obtenir un avertissement préalable des problèmes possibles. L’objectif général du projet est d’élaborer une stratégie de maintenance prédictive afin de détecter les pièces et sous-systèmes qui démontrent une tendance à court et à moyen terme vers une anomalie de fonctionnement ou un arrêt complet à cause de bris. Cet objectif général a été atteint, à la fin du projet, par l’atteinte des objectifs spécifiques suivants : Élaboration d’une méthode d’analyse des données issues de capteurs installés sur les composants d’une éolienne permettant la détection d’anomalies d’une pièce ou d’un sous-système. Élaboration d’un modèle de pronostic basé sur les données des capteurs et les réseaux de neurones artificiels capable de calculer la durée de vie utile restante du roulement d’une éolienne. Après la réalisation de l’analyse de criticité des composantes principales de l’éolienne, un seul composant a été retenu dans le cadre de cette étude, vu la nature de données disponibles à analyser. Ce composant est le roulement de la boite de vitesse d’une éolienne. La surveillance d’un ou plusieurs équipements d’une machine peut être vérifiée en analysant, à des périodes de temps bien définies, l’indicateur de dégradation de performance. On retrouve plus d’une technique pour réaliser ces analyses : l’analyse vibratoire, l’analyse des lubrifiants, l’émission acoustique. La vibration est souvent le meilleur indicateur de la santé des machines tournantes, pour ce faire on a abouti dans ce projet à une analyse vibratoire. Finalement, un modèle de pronostic basé sur les réseaux de neurones artificielles a été développé, à partir des signaux générés par les capteurs installés sur les différents sous-systèmes du roulement, avec l’objectif de se doter d’un outil capable de localiser la défaillance sur le roulement et permet la prédiction de sa durée de vie utile restante. Ainsi, d’autres méthodes ont été appliquées telle que la comparaison des données mesurées avec les données prédites numériquement et l’optimisation de l’erreur. -- Mot(s) clé(s) en français : Maintenance prédictive; Éolienne; Roulement; Réseaux de neurones artificiels; pronostic. -- ABSTRACT: Northern climates refer to the weather conditions in which wind turbines are exposed to atmospheric icing or to low temperatures outside the design limits of wind turbines, which often results in reduced energy production and increased maintenance costs. The consequences and costs associated with component failures are critical because it is difficult to access the site especially during winter periods and it is necessary to wait for the delivery of spare parts to restart the wind turbine and deal with defects. Failure of a critical component, such as a gearbox, may damage other components and it is therefore important to obtain prior warning of potential problems. The overall objective of the project is to develop a predictive maintenance strategy to detect parts and subsystems that demonstrate a short- to medium-term trend towards a malfunction or a complete shut down due to breakage. This general objective was achieved at the end of the project by achieving the following specific objectives: Development of a method for analyzing data from sensors installed on the components of a wind turbine allowing the detection of anomaly of a part or of a subsystem. Development of a prognostic model based on sensor data and artificial neural networks capable of calculating the remaining service life of a wind turbine. After carrying out the criticality analysis of the principal components of the wind turbine, only one component was selected for this study, given the nature of available data to be analyzed. This component is the bearing of the gearbox of a wind turbine. Monitoring of one or more equipment of a machine can be verified by analyzing the performance degradation indicator at well-defined time periods. We can find more than one technique for performing these analyzes: vibration analysis, lubricant analysis, acoustic emission, vibration is often the best indicator of the health of rotating machines, to achieve this we have succeeded in this Project to a vibratory analysis. Finally, a prognostic model based on artificial neural networks was developed, based on the signals generated by the sensors installed on the various subsystems of the bearing, with the aim of acquiring a tool capable of locating the Failure and allows the prediction of its remaining service life. Thus, other methods have been applied such as the comparison of the measured data with the numerically predicted data and the optimization of the error. -- Mot(s) clé(s) en anglais : predictive maintenance, wind turbine, bearing, artificial neural network, prognostic