AI vermindert fors de onderhoudskost en -inspanningen voor de 341 windmolens in de Noordzee

Het installeren van de steeds grotere en krachtigere windturbines op de Noordzee is een huzarenklus. Voor het onderhoud dat er op volgt, zijn dagelijks een honderdtal mensen op zee. Op een mooie zomerdag met goede werkcondities loopt dit onderhoudsleger op tot een paar honderd mensen voor intensieve onderhoudscampagnes zoals het herstellen van wieken.

De meeste techniekers varen heen en weer met behulp van crew transfer vessels. Techniekers die instaan voor lange onderhoudswerken en diepere parken verblijven vaak meerdere weken op zee op onderhoudsschepen zoals de opvallend rode hotelboot Esvagt Mercator.

Botsen op limieten van mensen

“Vandaag nemen we beslissingen op basis van technische inzichten en onze ervaring”, zegt Yannick Huyghebaert, operations engineer bij Parkwind dat vier parken uitbaat.

“Protocollen vertellen ons hoeveel inspecties we moeten doen, hoeveel analyses, om de hoeveel tijd we de tandwielkasten moeten nakijken, enzovoort. Hieruit significante informatie halen om een goed operationeel beheer te doen, gebeurt op basis van onze ervaring en de opgebouwde kennis van onze mensen.”

“Maar door de hoeveelheid aan data en informatie botsen we op de limieten van onze mensen. Daarnaast is het een uitdaging om gekwalificeerde en competente mensen te vinden.”

Ook uitbater Norther rekent. “Interventies op zee hebben hun eigenheden, zowel op technisch als op financieel vlak”, zegt Bjorn Reynaert, operations manager bij Norther, dat het grootste windmolenpark uitbaat.

“De onbeschikbaarheid van een turbine met deze omvang heeft onmiddellijk een grote impact op de cijfers. Daarom nemen onderhoudscontractors het zekere voor het onzekere. Ze anticiperen liever door een onderdeel te vervangen om latere stilstand door een defect te voorkomen. Maar de kans is reëel dat het vervangen onderdeel eigenlijk nog een tijdje had kunnen meegaan of dat de oorsprong van het defect bij een ander onderdeel lag.”

800 sensoren in één windmolen

De twee uitbaters willen evolueren naar beter, gemakkelijker en efficiënter… met beslissingen gebaseerd op de bergen data die windmolens verzamelen en doorsturen naar het controlecentrum aan wal.

“Vandaag ontvangen we live data van 120 windturbines”, zegt Jan Helsen, professor bij VUB. Via het OWI-lab werkt hij rond offshore windenenergie in een samenwerking met Parkwind en Norther.

“Nieuwe molens hebben wel 800 sensoren die elke seconde data doorgeven. Deze data worden verzameld in een database. Wij pluggen er op in, kruisen de gegevens met data uit CMS-systemen en met metingen ter plaatse. Op deze data draaien we analyses om te weten hoe windmolens presteren, hoe ze starten en stoppen, bij welke weercondities, hoe de molens die dieper in het park staan anders of minder presteren dan deze die vooraan staan ten gevolge van wake effecten. Dit relateert aan het feit dat turbines die in elkaars zog staan minder energie produceren dan turbines die vrije wind aanstroming hebben.”

“In de context van het AI impulsprogramma van de Vlaamse regering gaan we naar de volgende stap. We evolueren meer bepaald van predictief onderhoud naar geoptimaliseerde parkcontrole en -coördinatie”, vult Ann Nowé, professor en hoofd van het AI-lab van de VUB aan. 

“Bovenop deze intensieve opvolging en data leggen we een laag van artificiële intelligentie . De ontwikkeling van deze AI-laag wordt gesteund door het Vlaams AI-impulsprogramma en gekoppelde onderzoeksprojecten in samenwerking met de speerpuntclusters, zoals De Blauwe Cluster en SIM (Strategisch Initiatief Materialen in Vlaanderen).”

Tot 13% van de elektriciteitsproductie

“Het doel van dit onderzoek is bijvoorbeeld automatisch vastleggen hoeveel de molens moeten produceren afhankelijk van alle turbine gezondheidsparameters, de noden in de electriciteitsmarkt en weercondities en -voorspellingen”, vervolgt Ann.

“Hierdoor kan zo’n park op zee meer en meer worden gezien als een klassieke elektriciteitscentrale waarvan de productie afgesteld wordt volgens wat het netwerk vraagt. Op basis van de nodige productie worden de windmolens gekozen volgens de conditie van de machines, hun stand in het park, hun vroegere prestaties… Turbines die bijvoorbeeld wachten op herstellingen laten we minder produceren, tot het zomer is en de werken gebundeld kunnen worden met andere herstellingen.”

“Op topdagen staan de windmolens in voor 13% van de Belgische elektriciteitsproductie”, weet Dirk Dewettinck, R&D-manager bij Parkwind. “Nu ons aandeel groeit, moeten we steeds meer bijdragen aan het evenwicht in het elektriciteitsnet”, beseft ook Bjorn. “We moeten inspelen op de wisselende vraag of de vraag kunnen afstemmen op het aanbod.”

Maar dat deelnemen aan de fluctuaties van de energiemarkt is niet evident met windmolens. Wat bijvoorbeeld veel mensen niet beseffen…

“Als het vermogen van een gascentrale beperkt wordt, wordt ‘gewoon’ de gaskraan toegedraaid”, vergelijkt Yannick. “Er wordt dus geen energie verbruikt. In onze business is dat anders. Wanneer er wind is, kan de windturbine de energie uit de wind halen. Als je deze dan afregelt of stopzet in functie van de energiemarkt, is die opportuniteit voorbij. De verloren windenergie komt nooit terug.”

Tot 4 jaar langer groene energie

Duidelijk is dat een procentje meer of minder wind een verschil maakt van honderdduizenden kilowatts en euro’s. Als er dan geoptimaliseerd kan worden door het inzetten van AI, is dat meer dan welkom.

Daarenboven willen de partners ook de levensduur van windmolens maximaliseren door een goede huisvaderaanpak. “Als we door een efficiënter gebruik van onze machine kunnen zorgen dat alle subcomponenten zoals generator, tandwielkast,… nog in goede conditie zijn op einde van de normale levensduur, dan zouden we misschien nog drie tot vier jaar langer groene energie kunnen produceren. Dit betekent een grote meerwaarde”, knikken ze.

Maar helaas tussen droom en daad, werpen praktische moeilijkheden zich op. De data is niet uniform. De kwaliteit van de data verschilt, de betrouwbaarheid, de frequentie.

De oudste windmolens hebben een veel kleiner aantal sensoren met een lagere refresh rate en nauwkeurigheid dan de nieuwe windmolens. De technologische evolutie tussen 2010 en 2020 is niet te onderschatten op dat vlak. Dit brengt extra uitdagingen om performance analytics te uniformiseren over een volledige vloot.

Elke wijziging heeft verregaande gevolgen

“In die zin past dit project perfect binnen Grand Challenge 3 van het AI impulsprogramma waarbinnen we werken aan multi-agentsystemen: verschillende parken, verschillende data, verschillende bronnen van energie…”, zegt Ann. “Het AI-systeem moet hierop gebouwd worden. Zo kunnen we er voor zorgen dat alle deeltjes die interageren met elkaar een geheel vormen.”

Ann vergelijkt het met verkeerslichten. Je kunt niet één licht slim maken. Nee, je moet een heel kruispunt slim maken, een hele weg of wijk. “Vervolgens moet je je realiseren dat de verkeersstromen zullen wijzigen”, zegt de AI-specialiste.

“Er zal meer verkeer komen omdat het beter doorstroomt, of net minder auto’s omdat de trams en bussen steeds voorrang krijgen. Zo is het ook met groene stroom, de productie en prijs. De consumptiepatronen zullen veranderen als de prijs variabel wordt. Hierdoor zou je een systeem kunnen krijgen dat doet wat we niet willen, met bijvoorbeeld overconsumptie op momenten dat de stroom goedkoop is, waardoor we niet kunnen volgen met productie. Deze hele interactie - inclusief het menselijk gedrag - moet je goed begrijpen én inwerken in je AI-model.”

AI selecteert te onderhouden molens

Dat klinkt als muziek in de oren van Bjorn van Norther en van Yannick en Dirk van Parkwind. “Er wordt veel geschreven en gecommuniceerd over AI”, zegt Bjorn.

“We waren bij Norther overtuigd van het potentieel van AI en vroegen ons af wat het voor ons specifiek kan betekenen. De VUB begeleidt ons hierbij: ons probleem visualiseren en aanpakken waardoor we die verantwoordelijkheid voor energieproductie kunnen opnemen.”

“Meer en meer worden onze windmolenparken afgeregeld op dagen met harde wind”, zegt Yannick. “Arbitrair verdelen onze mensen de productie over de windmolens. Maar ook dit kan slimmer. Wat als we de belasting over de windmolens kunnen verdelen op basis van data en AI die de massa data analyseert en er conclusies uit trekt? Dan kunnen we bijvoorbeeld een beschadigde molen ontlasten, waardoor we tijd kopen en het onderhoud uitstellen tot het juiste moment. 

Wanneer een versnellingsbak vervangen moet worden, kan het gemakkelijk 1 à 2 maanden duren vooraleer een gepast schip beschikbaar is. De gemiste productie dikt in zo’n geval heel snel aan, alsook de kost voor de vervangingscampagne. Stel dat we er zo twee of drie over een periode van een paar maanden hebben… Echter moesten we dit onderhoud kunnen uitstellen, groeperen en in één keer uitvoeren in de zomer, wanneer het weer gunstig is, dan kost het maar een fractie.”