Onze klant is een prominente speler in de sector voor hernieuwbare energie, met een specifieke focus op windenergie. Ze beheren een uitgebreide reeks windturbines verspreid over verschillende regio's en leveren aan lokale burgers en productie faciliteiten met elektriciteit. Gedetailleerde informatie over de klant kan niet openbaar worden gemaakt krachtens de bepalingen van de NDA.

Uitdaging

Stroomuitval en dure reparaties voor windmolenpark van klant

De sector voor hernieuwbare energie, vooral windenergie, is dynamisch en vereist permanente innovatie om maximale efficiëntie en uptime te garanderen. Onze klant is al meer dan 20 jaar actief op dit gebied en is vaak geconfronteerd met onverwachte storingen, met stroomuitval en dure reparaties tot gevolg. Met ambitieuze uitbreidingsplannen zochten ze naar IoT energieoplossingen om de prestaties van windturbines in realtime te bewaken en storingen te voorkomen door intelligente ML-algoritmen. De klant belastte Innowise met de taak om een IoT ontwikkelen voor een energiebeheeroplossing die realtime bewaking en voorspellende analyses kan bieden om ervoor te zorgen dat hun windturbines 24 uur per dag efficiënt en veilig werken.

Oplossing

IoT-energiebeheeroplossing die energieproductie voorspelt en fouten voorkomt

Gebaseerd op de eisen en verwachtingen van de klant, Innowise kwam met een IoT- & ML-gestuurde oplossing die de energieproductie voorspelt op basis van de verzamelde informatie van meteorologische sensoren en turbines. Ons projectteam ontwikkelde een geavanceerd platform dat realtime informatie biedt over de status van elke windturbine, waardoor onmiddellijke besluitvorming mogelijk is en zonder vertraging kan worden gereageerd op operationele signalen.

Programmeerbare logische controllers (PLC)

Als hoeksteen van de automatisering hebben we PLC's gebruikt om gegevens te verzamelen van sensoren die overal in de windturbines geïnstalleerd zijn. Deze sensoren meten een groot aantal operationele parameters zoals windsnelheid, rotatiesnelheid van de turbine, temperatuur, trillingsniveaus en koppel. Door deze gegevens te verwerken, geven PLC's een nauwkeurig, real-time beeld van de prestaties van de windturbine, detecteren ze storingen en analyseren ze de efficiëntie van de energieproductie.

Sensorindicatoren die afwijken van vooraf gedefinieerde drempelwaarden - zoals een onverwachte temperatuurstijging of trillingsniveau - duiden op potentiële problemen zoals mechanische slijtage, smeerbehoefte of defecte onderdelen. PLC's herkennen op hun beurt deze patronen en activeren alarmen of schakelen de turbine uit om schade te voorkomen. Bovendien registreren PLC's de gegevens over het afgegeven vermogen en analyseren deze samen met de windomstandigheden om te bepalen of de turbines efficiënt vermogen opwekken. Vervolgens signaleren ze een afwijking als de windsnelheid optimaal is maar de energie-output onder de drempelwaarde ligt, wat duidt op een probleem zoals beschadiging van de bladen, verkeerde uitlijning, enz. Door PLS tijdig onderhoud uit te voeren en storingen te voorkomen, zorgt een uitgebalanceerde energieproductie voor een lange levensduur van de apparatuur.

Datameer

Aangezien onze klant tientallen windturbines heeft, verspreid over verschillende regio's, kregen onze ontwikkelaars de opdracht om een robuust data lake te bouwen voor het opslaan van massale event-driven berichten. We creëerden een centrale opslagplaats waar gegevens van alle turbines, ongeacht hun geografische locatie, worden verzameld en opgeslagen. Dit omvat niet alleen gestructureerde gegevens, maar ook ongestructureerde en semigestructureerde gegevens, zoals logboeken, sensormetingen, afbeeldingen en meer. IoT-specialisten zorgden ervoor dat alle nuances in de gegevens bewaard bleven, zodat ze gedetailleerder geanalyseerd konden worden en de risico's op gegevensverlies werden beperkt.

Daarnaast heeft ons projectteam gelijktijdige gegevensverwerking op meerdere nodes mogelijk gemaakt. Dit betekent dat grote datasets parallel verwerkt kunnen worden, wat de analyse- en rapportagetaken aanzienlijk versnelt. Dit is cruciaal voor voorspellend onderhoud, waarbij tijdgevoelige inzichten kostbare stilstand en plotselinge storingen van de windturbines kunnen voorkomen. De gegevens voor analyse worden opgehaald uit de PLC's en vervolgens opgeslagen en verwerkt door AWS IoT Core- en Lambda-functies.

Visualisatie van gegevens

Naar gegevens visualiseren, koos ons projectteam voor levendige Grafana-dashboards. We zetten dashboards op met verschillende visuele elementen die zijn afgestemd op de behoeften van IoT-energiebeheer. Hierdoor kunnen operationele managers bijvoorbeeld een overzicht krijgen van de realtime prestaties van de turbine, terwijl onderhoudsteams een meer gedetailleerde blik kunnen werpen op slijtage-indicatoren met Grafana.Zo tonen lineaire grafieken trends in de tijd, zoals het vermogen gedurende de dag. Kaartgrafieken bieden geografische visualisaties van de locaties van de turbines, waardoor een snel overzicht van de status van het hele windpark mogelijk is. Tijdreeksen voorspellen toekomstige trends op basis van gegevens uit het verleden en heden, wat essentieel is voor planning en voorspelling. Histogrammen geven een gedetailleerd overzicht van de verdeling van specifieke variabelen, zoals windsnelheden of turbineoutput, wat handig is voor statistische analyses. Geomaps tenslotte leggen extra gegevens op geografische kaarten, zoals weerpatronen, om de invloed van ongunstige weersomstandigheden te meten.Over het geheel genomen krijgt de klant een transparante en informatieve visualisatie van IoT-gegevens die eenvoudig geïnterpreteerd en opgevolgd kunnen worden. Door middel van kleurgecodeerde indicatoren kan een onderhoudstechnicus bijvoorbeeld eenvoudig zien dat een turbine buiten zijn optimale bereik werkt en proactief maatregelen nemen om storingen te voorkomen.

Analytische rapporten

Verder hebben onze technici ervoor gezorgd dat het IoT-gestuurde platform analytische rapporten genereert om uitgebreide inzichten te krijgen in de prestaties van de windturbines. Deze gegevens helpen te bepalen welke turbines goed werken en welke onderhoud of aanpassingen nodig hebben. Daarnaast gebruikt het op IoT gebaseerde systeem historische en real-time gegevens voor voorspellend onderhoud om toekomstige resultaten onder verschillende omstandigheden te voorspellen. Op deze manier adviseert het wanneer onderhoud moet worden gepland of activiteiten moeten worden geoptimaliseerd zonder te wachten tot een probleem zich voordoet.

Daarnaast stelt het systeem, door het analyseren van prestatietrends en externe factoren zoals weersomstandigheden, scenario's voor waarmee het IoT-energiebeheer kan worden geoptimaliseerd. Het stelt bijvoorbeeld manieren voor om het energieverbruik te optimaliseren, extra uitgaven te beperken, de ideale tijden voor het oogsten van windenergie te bepalen, opslag effectief te beheren, overtollige energie terug te verkopen aan het elektriciteitsnet en onderhoudsprocedures te stroomlijnen.

Foutvoorspelling

Door gebruik te maken van de kracht van data science (DS) en machine learning operations (MLOps) hebben we een voorspellend model ontwikkeld dat verschillende factoren analyseert die van invloed zijn op de gezondheid van de turbine, zoals trillingsniveaus, temperatuur en prestatiegegevens. Dit model leert voortdurend van binnenkomende gegevens, waardoor het patronen kan identificeren die voorafgaan aan defecten aan de apparatuur. Wanneer het deze vroege waarschuwingssignalen detecteert, activeert het een waarschuwingssysteem, waardoor onderhoudsteams problemen proactief kunnen aanpakken voordat ze tot storingen leiden.

Technologieën en instrumenten

Front-end

JavaScript, React, Redux

Back-end

Python, FastAPI

DE/ML

Apache Spark

Cloud

AWS EKS, AWS ECS, AWS ECR, AWS EC2, AWS API Gateway, AWS IOT Core, AWS Kinesis, AWS Lake Formation, AWS Lambda, AWS RDS Postgres, AWS TimeStream DB; AWS S3, AWS Route 53; AWS CloudFront.

DevOps

Kubernetes, Docker, AWS EKS, AWS ECS

Database

PostgreSQL, AWS TimeStream

Visualisatie

Grafana

Proces

Het ontwikkelen van een op maat gemaakt IoT-gebaseerd systeem voor het bewaken en onderhouden van windturbines was een complexe maar lonende reis. We begonnen met uitgebreide gesprekken met onze klant om hun behoeften en uitdagingen te begrijpen. Deze fase omvatte het identificeren van de kernfunctionaliteiten die nodig zijn voor het IoT-systeem, zoals realtime bewaking, foutvoorspelling, en data analytics.Met de vereisten in de hand ontwikkelden we een uitgebreid projectplan met de tijdslijn, de middelen, het budget en strategieën voor risicobeheer. Onze ontwikkelingsfase omvatte het creëren van de systeemarchitectuur en de gebruikersinterface, inclusief aangepaste algoritmen voor gegevensanalyse, visualisaties, voorspellend onderhoud en geïntegreerde PLC's en AWS IoT Core. Dankzij de Agile-methodologie konden we ons tijdens het project snel en effectief aanpassen aan veranderende eisen en feedback. Regelmatige stand-ups, sprintreviews en retrospectieven maakten integraal deel uit van ons proces en bevorderden een collaboratieve en dynamische werkomgeving. Dankzij deze aanpak konden we een op maat gemaakt, robuust en efficiënt IoT-gebaseerd systeem leveren dat perfect aansloot bij de unieke behoeften van onze klant.Vanaf nu biedt Innowise onderhoud en ondersteuning na de lunch, verhelpt het kleine bugs en brengt het regelmatig updates uit.

Team

Projectleider

Bedrijfsanalist

Oplossing Architect

Front-End Ontwikkelaar

Back-End Ontwikkelaars

Embedded ontwikkelaar

ML Ontwikkelaar

DE Ontwikkelaar

DevOps

QA Engineers

KMO van belanghebbenden

Resultaten

18% verlaging van onderhouds- en reparatiekosten met IoT & ML-gestuurd systeem

Innowise heeft een IoT & ML-gedreven schaalbaar systeem gebouwd dat de energieproductie voorspelt op basis van het systeem van programmeerbare logische controllers. We hebben een geavanceerd platform ontwikkeld dat kritieke informatie van de windturbines verzamelt, hun prestaties beoordeelt en nauwkeurige inzichten biedt voor geïnformeerde besluitvorming. Op basis van deze informatie kunnen klantmanagers de toestand van de turbines in real-time controleren en scenario's voorstellen om de energieproductie te optimaliseren en overbodige uitgaven te verminderen. Dankzij ML-algoritmen voorspelt onze baanbrekende oplossing de energieproductie op basis van weersvoorspellingen en verzamelde analyses. Bovendien bepaalt het de beste tijd om windparken stil te leggen en dienovereenkomstig onderhoud uit te voeren. Dit is met name cruciaal voor turbines in afgelegen of zware omgevingen waar reparaties lastig en duur kunnen zijn.

Duur van het project

September 2021 - Doorlopend

tot 6%

toename in energieproductie

18%

lagere onderhouds- en reparatiekosten

kritieke bedreigingen voorkomen

Gerelateerde gevallen

Neem contact met ons op!

Boek een gesprek of vul het onderstaande formulier in en we nemen contact met je op zodra we je aanvraag hebben verwerkt.

Naam

Bedrijf

E-mail

Telefoon

Bericht Voeg projectgegevens alsjeblieft, duur, technische stapel, IT-professionals nodig en andere relevante informatie toe

Neem een spraakbericht over uw
project op om het ons beter te helpen begrijpen

Voeg indien nodig aanvullende documenten bij

Bestand uploaden

Je kunt maximaal 1 bestand van 2MB bijvoegen. Geldige bestanden: pdf, jpg, jpeg, png

Wij wijzen u erop dat wanneer u op de verzendknop klikt, Innowise uw persoonsgegevens verwerkt in overeenstemming met ons Privacybeleid om u van de juiste informatie te voorzien.

Wat gebeurt er nu?

Na ontvangst en verwerking van uw aanvraag, nemen wij binnenkort contact met u op om uw projectbehoeften in detail te beschrijven en een NDA te ondertekenen om de vertrouwelijkheid van informatie te garanderen.

Na het bestuderen van de vereisten, stellen onze analisten en ontwikkelaars een projectvoorstel met de omvang van de werkzaamheden, teamgrootte, tijd en kosten schattingen.

Wij regelen een ontmoeting met u om het aanbod te bespreken en tot een overeenkomst.

We tekenen een contract en beginnen zo snel mogelijk aan uw project te werken mogelijk.

IoT voor energiebeheer: tot 6% meer energieproductie

Klant

Uitdaging

Stroomuitval en dure reparaties voor windmolenpark van klant

Oplossing

IoT-energiebeheeroplossing die energieproductie voorspelt en fouten voorkomt