Un chercheur de la VUB a mis au point un système permettant de prédire le risque de panne des éoliennes. Voilà qui pourrait permettre aux exploitants de parcs éoliens de réaliser des économies substantielles.
En moyenne, une éolienne offshore tombe en panne 8,3 fois par an, souvent en raison de défauts au niveau du générateur, de la boîte de vitesses, des roulements et d’autres pièces mobiles. Or des éoliennes hors service coûtent très cher aux exploitants. Les éoliennes sont cependant équipées de divers capteurs qui enregistrent, entre autres, la température et les vibrations. Mais l’abondance des données provenant de tous ces capteurs rend leur analyse et leur interprétation malaisées pour les experts.
Apprentissage machine
‘Parfois, c’est une combinaison de différents signaux qui indique où la panne va se produire. Cette solution fait par conséquent appel à l’intelligence artificielle, et plus particulièrement à l’apprentissage machine et à l’exploration de données’, explique Xavier Chesterman, chercheur à la VUB. ‘Si les opérateurs peuvent prévoir la défaillance prochaine d’un composant spécifique, ils pourront le remplacer dans le cadre de travaux de maintenance, évitant ainsi l’arrêt de l’éolienne.’
Le système a été testé sur des données provenant de trois parcs éoliens opérationnels en mer du Nord et en mer Baltique. Il a permis de prévoir précocement certains défauts avec une précision de quatre-vingts pour cent.
Chesterman souhaite aller plus loin encore dans ses recherches postdoctorales et rendre le système disponible pour d’autres appareils, tels que les compresseurs et les machines agricoles.