Hem » Forskning » Turbiner och generatorer » Strömningsmekanik – beräkning » Hydropower operation and lifetime analysis

Projekt:

jan 2023

jun 2027

Pågående

Hydropower operation and lifetime analysis

Stora frågor inom vattenkraftsindustrin är hur turbinerna kan köras säkert under de övergångsförlopp som krävs till följd av det ständigt föränderliga behovet av el, vilken påverkan detta har på vattenkraftverken, vilka kostnader som är förknippade med detta, hur man planerar för effektivt underhåll under de nya förutsättningarna, samt vilken livslängd som kan förväntas för olika komponenter. I detta projekt kommer två olika angreppssätt att användas för att försöka besvara dessa frågor.

Vattenkraftens drift måste anpassas till förändringar – både i produktionsmönster till följd av förändrade tjänster som vattenkraften förväntas leverera till energisystemet, och potentiella effekter av klimatförändringar – samtidigt som tillgänglighet och säkerhet bibehålls till rimlig kostnad. Med ökad kunskap är det möjligt att anpassa driftssekvenserna för vattenkraftaggregat för att upprätthålla tillgänglighet och säkerhet, förutse faktiska kostnader för att tillhandahålla stödtjänster, samt planera underhåll och uppskatta återstående livslängd. För att uppnå detta kommer projektet att tillämpa två metoder (benämnda ML och CFD), båda med specifika mål:

  • ML (Maskininlärning i vattenkraftstationer): Undersöka driften av befintliga vattenkraftverk med hjälp av maskininlärningstekniker, med målet att utveckla metoder för planerad drift som maximerar anläggningarnas livslängd, konsekvensanalys av olika scenarier, identifiering av avvikelser, planerat underhåll och driftkostnader.
  • CFD (strömningsteknisk beräkning för drift utanför designområdet och övergångslaster): Numeriskt studera hur flödet i vattenturbiner under olika driftsförhållanden påverkar maskinernas livslängd, med målet att ge vägledning för att undvika drift som förkortar livslängden.

Kontakt

Håkan Nilsson

Ansvarig verksamhetsområde

Chalmers

Epost

Kontakt

Xiao Lang

Doktorand, Chalmers tekniska högskola

Epost

Kontakt

Marina Nobilo

Doktorand, Chalmers tekniska högskola

Epost

Publicerade resultat

Analysis of hydropower plant guide bearing vibrations by machine learning based identification of steady operations, Xiao Lang, Håkan Nilsson, Wengang Mao, September 24, 2024, Reneweable Energy, Vol 236

Effects of load reduction on forces and moments on the runner blades of a Kaplan turbine model, Martina Nobilo, Saeed Salehi, Håkan Nilsson, September, 2024, 32nd IAHR Symposium on Hydraulic Machinery and Systems Roorke, India

A machine learning based analysis of bearing vibrations for predictive maintenance in a hydropower plant, Xiao Lang, Håkan Nilsson, Wengang Mao, September, 2024, 32nd IAHR, Symposium on Hydraulic Machinery and Systems Roorke, India