Artificial intelligence for enhanced hydraulic turbine lifetime

De senaste framstegen inom artificiell intelligens och maskininlärning möjliggör styrning och beslutsfattande i högdimensionella system. I detta projekt kommer avancerad AI att utvecklas för att upptäcka och kontrollera oönskade och skadliga flödesinducerade svängningar, i syfte att förlänga turbinernas livslängd. En välutvecklad och tränad modell kan inte bara upptäcka förekomsten av skadliga flödesstrukturer, utan även fatta optimala beslut för att minska och kontrollera dessa.

I dagsläget kompenseras den oundvikliga intermittensen hos energikällor som sol- och vindkraft genom vattenkraftssystem. Det innebär att hydrauliska turbiner inte längre nödvändigtvis arbetar vid det stabila driftläget med bästa verkningsgrad (BEP), utan används i olika driftlägen utanför designområdet samt i övergångssekvenser för att stabilisera elnätet. Sådan drift orsakar flödesinstabiliteter med trycksvängningar, lastvariationer och kavitation, vilket kan försämra maskinens prestanda och minska dess livslängd – något som ställer helt nya krav på ingenjörsmässig utformning. Ett hållbart energisystem kan därför inte uppnås utan att dessa skadliga effekter hanteras och att turbinerna anpassas till nya driftförhållanden.

Projektets huvudsakliga mål är att använda och vidareutveckla avancerad artificiell intelligens för att effektivt och robust upptäcka, kontrollera och mildra flödesinducerade svängningar vid drift utanför designområdet och under övergångsförlopp, för att förlänga turbinernas livslängd. För att uppnå detta mål kommer djupa neurala nätverk att utforskas genom förstärkningsinlärning för att möjliggöra optimalt beslutsfattande för vattenkraftturbiner. Det kommer även att undersökas hur fysik-informerade neurala nätverk (Physics-Informed Neural Networks, PINNs) kan användas för att minska tiden det tar att få fram noggranna numeriska resultat.