Nghiên cứu của ông Ngô Đăng Lưu cùng cộng sự tại Công ty TNHH MTV Năng lượng mặt trời Anh Minh Global giúp dự báo các sự cố xảy ra trong máy phát điện gió để có phương án xử lý kịp thời.
Năng lượng tái tạo đang là xu hướng được sự quan tâm và hỗ trợ từ chính phủ, trong đó nhiều dự án năng lượng gió và mặt trời sẽ được tích hợp vào hệ thống lưới điện quốc gia, làm tiền đề cho xây dựng lưới điện thông minh.
Tuy nhiên, năng lượng gió và mặt trời, cũng mang đến những thách thức nhất định như đẩy sóng hài (dòng điện không mong muốn làm quá tải đường dây và biến áp) lên lưới điện hay nguồn phát công suất không ổn định, gây ảnh hưởng tới sự ổn định của hệ thống điện.
Tại Hội thảo “Ứng dụng trí tuệ nhân tạo (AI) giám sát, phát hiện sự cố bất thường máy phát điện gió và máy biến áp” do Trung tâm Thông tin và Thống kế KH&CN TPHCM tổ chức ngày 10/8, ông Ngô Đăng Lưu, Giám đốc Công ty TNHH MTV Năng lượng mặt trời Anh Minh Global, cho biết, nhóm kỹ sư của Công ty đã nghiên cứu và phát triển mô hình dự báo sự cố (hư hỏng trục, ổ trục, hộp số, máy phát điện; sóng hài,...), cho máy phát điện gió, máy biến áp sử dụng AI.
Theo ông Lưu, các thuật toán như học máy có giám sát, học máy không giám sát và học sâu có thể được áp dụng để xây dựng các mô hình dự báo, dựa trên dữ liệu từ các cảm biến, thông số hoạt động và các biến đổi môi trường. Các mô hình này có thể giúp dự báo các sự cố xảy ra trong máy phát điện gió và máy biến áp, để từ đó đưa ra các biện pháp dự phòng và can thiệp kịp thời nhằm ngăn chặn sự cố trước khi nó xảy ra.
Cụ thể, nhóm sử dụng Autoencoder (mạng neural nhân tạo được sử dụng để học các loại mã hóa dữ liệu không giám sát), để phát hiện sự bất thường trong tuabin gió, bằng dữ liệu chuỗi thời gian.
Để phát hiện sự cố trong hệ thống của một tuabin gió, bằng cách sử dụng các phương pháp phân tích dữ liệu và mô hình hóa hỏng hóc. Trong đó, mô hình tập trung vào việc xử lý dữ liệu rung động từ hệ thống bearing (vòng bi) của tuabin gió. Đồng thời, tính toán đặc trưng và chỉ số “sức khỏe”, để theo dõi tình trạng của bearing qua thời gian. Sau đó sử dụng mô hình hóa hỏng hóc, để dự đoán tuổi thọ còn lại và đánh giá xác suất ước tính của các kịch bản tuổi thọ còn lại khác nhau.
Ông Lưu cho biết, nhóm đã thu thập dữ liệu từ một trục của tuabin gió tại Bình Định trong 50 ngày, với công suất 3,465MW, tốc độ gió nhỏ nhất là 4m/s, tốc độ gió lớn nhất 25m/s, tốc độ gió định mức là 12,08m/s. Mỗi ngày, một tín hiệu rung có thời lượng 6 giây được thu thập từ hệ thống trong 50 ngày liên tiếp (có 2 lần đo vào ngày 17 hằng tháng). Trong thời gian 50 ngày, đã phát hiện xảy ra một sự cố ở phần trong của bearing và gây ra sự cố cho bearing.
Ngoài việc ứng dụng AI trong máy phát điện gió và máy biến áp, nhóm nghiên cứu tiếp tục mở rộng phạm vi áp dụng của AI cho các hệ thống năng lượng tái tạo khác, như năng lượng mặt trời hoặc thủy điện tích năng.