Tuulivoimageneraattorien huoltostrategian optimointi

Maintenance optimization is becoming an increasingly important method to reduce the operation and maintenance costs of wind turbines. An electrical generator is one of the most critical components of wind turbine in terms of downtime and production loss caused by possible failures. The objective of this thesis is to develop a flexible tool for modelling the economic impact of different kinds of maintenance strategies for wind turbine generators. The compiled MS Excel-based optimization tool is set up for modelling the expected costs of two different maintenance strategies, which are storing replacement generators as emergency spare parts near the wind farm, or repairing the damaged generators after a failure has occurred. Also the optimal number of replacement generators to be stored near a wind farm in different situations is found out as an output of the tool. The thesis begins with a literature survey with the aim to understand how maintenance actions are currently being managed in wind power industry, and what kinds of theories are developed for maintenance management and optimization. The reliability cantered maintenance optimization approach provides the theoretical background for this thesis, and the mathematical core of the optimization tool is based on the reliability theory and statistical failure probability. The Weibull distribution is chosen to be the applied statistical function for the failure probability, which is assumed to be available from the history data of the wind turbines. The optimal stock of spare generators is estimated with the help of the Poisson process in order to avoid the situation in which the spare generator stock is empty when needed. Also the Monte Carlo sampling method is applied in the optimization tool. The optimization tool compiled as a result of the thesis has several input variables which enable to apply the tool in different kind of situations having different numbers of wind generators, different price of electricity, different wind conditions etc. In order to evaluate the usability of the tool, it was applied in three case-examples having different sets of input parameters.Huoltotoiminnan optimointi on yksi tärkeimmistä keinoista tuulivoiman tuotantokustannusten vähentämiseksi. Sähkögeneraattorin vikatilanteet voivat aiheuttaa pitkiä seisonta-aikoja tuuliturbiineille, jolloin tuotannonmenetyksestä johtuvat kustannukset voivat kasvaa suuriksi. Tämän diplomityön tavoitteena on kehittää laskentatyökalu, jossa mallinnetaan ja optimoidaan erilaisia toimintatapoja generaattorin vikatilanteiden varalta. MS Excel-taulukkolaskentaohjelmalla laaditun laskentatyökalun tarkoituksena on laskea ja vertailla kahden erilaisen huoltostrategian odotettuja kustannuksia, jotka koostuvat tuotannonmenetysten lisäksi mm. korjauskuluista ja varageneraattorin hankinnasta ja säilytyksestä aiheutuvista kustannuksista. Työkalu sisältää lukuisia syöttömuuttujia, joiden avulla optimaalinen strategia voidaan valita erilaisissa tuulipuistoissa. Mikäli varageneraattoreihin perustuvan strategian odotetut kustannukset ovat pienemmät, työkalu laskee lisäksi varastossa pidettävien generaattorien suositellun lukumäärän. Diplomityö alkaa kirjallisuuskatsauksella. jonka tavoitteena on selvittää millä tavalla huoltotoiminta on organisoitu tuulivoimateollisuudessa sekä luoda katsaus olemassa oleviin teorioihin huoltotoiminnan järjestämisestä ja optimoinnista. Luotettavuuskeskeisen kunnossapitoteorian (RCM) pohjalta luodaan tilastolliset laskentamallit, joiden avulla työkalu määrittää eri strategioiden odotusarvot. Vikatilanteiden tilastollinen mallintaminen perustuu Weibull-jakaumaan ja varastossa pidettävien generaattorien optimaalinen lukumäärä arvioidaan Poisson-prosessia soveltaen. Lisäksi laskentatyökalussa sovelletaan Monte Carlo-menetelmää. Tarvittavat parametrit Weibull-jakauman määrittämiseksi oletetaan olevan valmiiksi saatavilla. Laskentatyökalun toiminnan arvioimiseksi sitä käytetään kolmessa esimerkkitapauksessa, joissa tuuliturbiinien lukumäärä. sähkön hinta ja tuuliolosuhteet ym. laskentatyökalun muuttujat ovat erilaisia. Työkalun pohjana olevaa optimointimallia on mahdollista myöhemmin kehittää tarkemmaksi esimerkiksi tietokonesimuloinnin avulla