ارزیابی قابلیت اطمینان سیستم توربین بادی به روش مدل‌سازی بلوک‌دیاگرام

نوع مقاله : مقاله پژوهشی

نویسندگان

1 استادیار، گروه مهندسی انرژی‌های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران

2 دانشجوی کارشناسی ارشد، گروه مهندسی انرژی‌های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران

3 دانشجوی دکتری، گروه مهندسی انرژی‌های نو و محیط زیست، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران

چکیده

ارزیابی قابلیت اطمینان سیستم­های انرژی تجدید­پذیرگامی اساسی در بررسی امکان­پذیری و توجیه­پذیری پروژه­های برق تجدیدپذیر می­باشد که می­تواند اطلاعات ارزشمندی را در ارتباط با دسترس­پذیری و قابلیت اطمینان سیستم­ها، استراتژی­های تعمیرات و نگه­داری و هزینه­های عملیاتی در اختیار قرار دهد. در این راستا، پژوهش حاضر با رویکردی آماری/ شبیه­سازی به تحلیل پارامترهای قابلیت اطمینان در سیستم­ توربین بادی می­پردازد. به این منظور از مدل بلوک­دیاگرام قابلیت اطمینان برای مدل­سازی مسئله بهره گرفته شد که توانمندی بالایی در تحلیل سیستم­های پیچیده و با تعداد اجزای بالا را در عین سادگی و شفافیت داراست. مدل­سازی و شبیه­سازی با نرم­افزار رم­کامندر صورت گرفته است. شبیه سازی با در نظرگرفتن شبکه ی متوالی از زیر سیستم­ها و اجزاء (8 زیر­سیستم و 94 جزء) و لحاظ کردن توزیع­های احتمال زمان خرابی، زمان تعمیر و سایر داده­های قابلیت اطمینان برای بلوک­ها  صورت پذیرفت و در انتها نتایج با به­کارگیری الگوریتم مونت کارلو استخراج گردید. مقدار میانگین دسترس­پذیری یک توربین در دوره ی 20 ساله ی عمر، بیش از 0.999 محاسبه شد. در 25 نقطه ی زمانی توربین نیازمند تعمیرات می­باشد و زمان میانگین بین خرابی­ها برابر 7008 ساعت محاسبه شد. زمان میانگین بین خرابی­های بحرانی سیستم (خرابی فاجعه آمیز) 77928 ساعت است.

کلیدواژه‌ها


[1]   Wind Power Capacity Worldwide, Accessed 19 May 2021; https://wwindea.org.
[2]   S. Einarsson, Wind turbine reliability modeling, MSc Thesis in Sustainable Energy Engineering, Reykjavik University, Iceland, 2016.
[3]   R. Billinton and RN. Allan, Reliability evaluation of engineering systems, New York: Plenum press, 1992.
[4]   S. Nigel, S. Chambers, and R. Johnston. Operations management, Pearson education, 2010.
[5]   S. Sheng and P. Veers, Wind Turbine Drivetrain Condition Monitoring - An Overview. Proceedings of the Mechanical Failures Prevention Group, Applied Systems Health Management Conference, 2011.
[6]   RBDs and Analytical System Reliability, Accessed 19 May 2021; http://www.reliawiki.com/index.php/RBDs_and_Analytical_Systm_Reliability.
[7]   B. Domingues, Wind Turbine Reliability and OPEX forcasting, 2015.
[8]    M. Sheldon, Introductin To Probability And Statistics For Engineers And Scientists. First Edit., United Kingdom: John Wiley & Sons, 1987.
[9]   A. Høyland and M. Rausand, System reliability theory: models and statistical methods, Second Edition, New Jersey: John Wiley & Sons, 2009.
[10] IEA Annual Wind Report 2014 Task 33, Accessed 19 May 2021; http://www.ieawind.org/task_33.html.
[11] S. Sheng, Report on wind turbine subsystem reliability-a survey of various databases, National Renewable Energy Lab (NREL), 2013.
[12] S. Faulstich, P. Lyding, and B. Hahn, Component reliability ranking with respect to WT concept and external environmental conditions, Integrated Wind Turbine Design Upwind Deliverable WP7, 2010.
[13] P. Tavner, How are we going to make offshore wind farms more reliable?, Supergen Wind report, 2011.
[14] Reliability Analysis of Wind Turbines, Accessed 19 May 2021; https://www.intechopen.com/books/stability-control-and-reliable-performance-of-wind-turbines.
[15] M. Martin-Tretton, M. Reha, M. Drunsic, M. Keim , Data Collection for Current US Wind Energy Projects: Component Costs, Financing, Operations, and Maintenance, National Renewable Energy Lab (NREL), 2012.
[16] R. Poore and C. Walford, Development of an Operations and Maintenance Cost Model to Identify Cost of Energy Savings for Low Wind Speed Turbines, National Renewable Energy Lab (NREL), 2008.
[17] G. Wilson, D. McMillan and G. Ault, Modelling the effects of the environment on wind turbine failure modes using neural networks, International Conference on Sustainable Power Generation and Supply (SUPERGEN 2012), pp. 1-6, 2012.