OnCare.InSight - Fallstudie

Maximierung der Zuverlässigkeit durch vorausschauende Wartung

    Proof of Value in der Schwingungsanalyse
    Branche Energie
    Anlage Biomassekraftwerk
    Anwendungsfall Überwachung von Dampfturbinen
    KI-Modelle 1
    Signale 13
    Abb. 1: Eingangssignale für Zahnradvibrationen
    Abb. 1: Eingangssignale für Zahnradvibrationen

    Herausforderung
    Es wurde ein Proof of Value durchgeführt, indem Offline-Daten verwendet wurden, um die Hauptursache für erhöhte Zahnradvibrationen in einem Biomassekraftwerk zu identifizieren. Dabei wurde festgestellt, dass die Dampfausnutzung, die Teil eines benachbarten Betriebs ist, das Zielsignal der Zahnradvibrationen der Turbine beeinflusste. Korrelationen zwischen der Dampfausnutzung, Änderungen der Generatorleistung, dem Druck und den Schwankungen der Abluft wurden analysiert. Das Dampfturbinenset wurde überwacht, um die Ursache für hohe Gehäusevibrationen zu bestimmen.

    Mehrwert durch Voith
    Zahnradvibrationen wurden als Zielsignal für verschiedene Betriebszustände wie Sommer, Winter, mit Dampfausnutzung und ohne Dampfausnutzung modelliert. Durch eine Ursachenanalyse konnten wir die Signale identifizieren, die die Zahnradvibrationen beeinflussen (siehe Abb. 1). Durch die Anpassung von Signalen wie dem Radialkraftdruck der Turbine, der Wärmerückgewinnung der Turbine und der Generatorleistung – Signale, die eng mit der Dampfausnutzung zusammenhängen – können die hinteren Wellenvibrationen kontrolliert werden. Dieses Signal beeinflusst wiederum signifikant die Zahnradvibrationen der Turbine. Durch die Modellierung der Differenz zwischen gemessenen und erwarteten Signalen (siehe Abb. 2) kann die optimale Dampfausnutzung ermittelt werden, um Zielsignale positiv zu beeinflussen und Vibrationen zu reduzieren. Basierend auf dieser Analyse und der Vorhersage der Vibrationspegel kann ein Dampfausnutzungsplan entwickelt werden, um die Zahnradvibrationen der Turbine effektiv zu steuern.

    Case Study Energie
    Fig. 2: Differences between measured and expected signal state
    Fig. 2: Differences between measured and expected signal state