
ReliaBlade 2-NL
Status project
Gestart. Looptijd: 2024-2027
In samenwerking met
Shell, TU Delft, Suzlon, Tarucca en Fibersail
Uit recent onderzoek blijkt dat het faalpercentage van windturbinebladen de afgelopen jaren niet is afgenomen en dat duurzaamheid van de bladen een belangrijke uitdaging is voor de windindustrie. Een Nederlands samenwerkingsverband van TNO, Shell, TU Delft, Suzlon, Tarucca en Fibersail is gestart met het Reliablade2-NL project om de betrouwbaarheid van windturbinebladen te verbeteren.
Het project is mede mogelijk gemaakt door het GROW-programma. Reliablade2-NL richt zich op aanzienlijke verbetering van de betrouwbaarheid van windturbinebladen door de conditie van de bladen tijdens de levensduur te monitoren. Hiervoor worden bestaande digital twin concepten aangepast om resterende levensduur van de bladen te voorspellen en daarmee operatie- en onderhoudsbeslissingen te ondersteunen.
Motivatie
De snelle schaalvergroting van de turbinecapaciteit en de bladen die steeds groter worden hebben geleid tot een vraag naar nieuwe bladmodellen met uitgebreide testcampagnes. Ondanks inspanningen om de fabricageprocessen te beheersen, blijven fabricagefouten bestaan. Ze veroorzaken schade tijdens de certificering en het commerciële gebruik, wat kan leiden tot kwaliteitsproblemen. Deze defecten hebben impact op de elektriciteitsproductie en verstrekkende gevolgen voor windenergieproducenten en de rol van de sector in de bredere energietransitie.
Een geïntegreerde aanpak
ReliaBlade2-NL wil een geïntegreerd model ontwikkelen dat voorspellende onderhoudsbeslissingen ondersteunt. Het digital twin raamwerk, dat monitoringsgegevens van de bladen, modellering en statistische analyse combineert, zal het risico op onvoorzien falen van het blad verminderen. Zo zijn tijdige inspecties en preventieve reparaties mogelijk voordat het blad faalt en niet meer bruikbaar is. De belangrijkste resultaten van het project omvatten modellen die faal- en vermoeiingslevensduur voorspellen, validatie-testresultaten, operationele validatiegegevens van turbines in het veld en een constructieve digital twin die een statistische voorspelling doet van de levensduur.
Het vierjarige project kent een geïntegreerde aanpak op drie belangrijke aspecten:
1. Bladmodellering
Er wordt een verbeterde bladmodellering ontwikkeld die het constructieve gedrag van het blad in de loop van de tijd voorspelt op basis van de bijgewerkte actuele status. Om de methoden en modellen te valideren, worden tests uitgevoerd op verschillende niveaus, waaronder materiaalcoupons, sub-component niveau, blad op ware grootte en operationele turbine.
2. Constructie monitoring voor bladkarakterisering en schadediagnose
Er zullen algoritmen worden ontwikkeld om gegevens van rek-, versnellings- en akoestische emissiesensoren te analyseren en te interpreteren. Het projectteam gaat monitoringgegevens gebruiken voor zowel bladkarakterisering als detectie van afwijkingen. Een windturbine meetcampagne staat gepland voor een offshore windmolenpark.
3. Ondersteuning operatie en onderhoud
Een tool voor het ondersteunen van beslissingen zal worden ontwikkeld dat informatie van de digitale twin gebruikt. Integratieaspecten variëren van weergegevens, kosten en beschikbaarheid van middelen, turbine specifieke informatie en onderhoudseisen. Daarnaast zal het projectteam het risico analyseren van het verschuiven van onderhoudsacties en tolerantiegrenzen definiëren om onderhoudsinterventies te optimaliseren.
ReliaBlade 2-NL verbetert zo de huidige state-of-the-art door alle aspecten in een raamwerk bijeen te brengen. Hiermee worden beslissingen voor voorspellend onderhoud van windturbine bladen gebaseerd op zowel monitoring in het veld en een digital twin voor restlevensduur voorspellingen.
Neem contact met ons op
Laat je verder inspireren
Windenergie webinars
Offshore hernieuwbare energie
TNO ontwikkelt detectiesysteem ter bescherming kabels en pijpleidingen op zeebodem


Waddeneilanden verduurzamen met energie uit water


Betere betrouwbaarheid windturbinebladen door innovatieve monitoring en digital twin-technologie

