Wählen Sie Ihr Land:
Choose your country:
Wybierz swój kraj:
Choose your country:
Choose your country:
Välj språk:
Choisissez votre pays:
選擇您的國家
Baserat på ditt webbläsarspråk rekommenderar vi följande version av denna sida:
Basierend auf Ihrer Browsersprache empfehlen wir die folgende Version dieser Seite:
Based on your browser language, we recommend the following version of this page:
W oparciu o język przeglądarki zalecamy następującą wersję tej strony:
Based on your browser language, we recommend the following version of this page:
Based on your browser language, we recommend the following version of this page:
Baserat på ditt webbläsarspråk rekommenderar vi följande version av denna sida:
En fonction de la langue réglée dans votre navigateur, nous vous recommandons la version suivante de cette page :
我們根據此瀏覽器使用的語言偏好設定,協助導向此適當版本
Vi delar gärna med oss av vår kompetens och erfarenhet på underhållsområdet till utvalda forskningsprojekt. Oavsett om det är i samarbete med universitet, forskningsinstitut, partnerföretag eller tillsammans med några av våra kunder. Vi arbetar gärna med framtidsorienterade projekt och främjar lösningar som kan gagna hela vindenergibranschen.
Här är ett urval av de forskningsprojekt som vi är delaktiga i:
Tillsammans med WTSH (Wirtschaftsförderung und Technologietransfer Schleswig-Holstein GmbH) arbetar Deutsche Windtechniks avdelning för programvaruutveckling i Ostenfeld med projektet Predictive Maintenance Wind Turbine.
Huvudmålet för det gemensamma projektet Goodwind – Good Practice Operation Wind Energy – vid institutionen för vindenergi FK-Wind vid Bremerhaven-universitetet i Tyskland är att förbättra samarbetet mellan områdena driftledning, service och försäkring. Vi stöder detta projekt tillsammans med wpd windmanager (operatör) och Nordwest Assekuranz (försäkringsgivare).
Genom att dokumentera optimeringspotentialen och skapa synergier mellan företag är det möjligt att minska driftkostnaderna, öka resurseffektiviteten och minska koldioxidutsläppen för vindkraftverk. Resultatet blir en standard för kommunikation mellan de tre parterna. Denna standard publiceras som en rekommendation till åtgärder (Guideline – Good Practice Operation Wind Energy).
I detta projekt som genomförs av forskningscentret ForWind i Oldenburg, Tyskland, och Deutsche Windtechnik används stokastiska metoder för att optimera övervakningen och underhållet av vindkraftverk. De potentiella kostnadsminskningar som man vill uppnå genom projektet är särskilt viktiga med anledning av den planerade omarbetningen av den tyska lagen om förnybara energikällor (EEG), eftersom den ökade konkurrensen som upphandlingsprocessen medför kommer leda till att kostnaderna pressas ytterligare.
Driften av ett vindkraftverk avgörs av turbulenta vindvariationer som är svåra att förutse. Detta orsakar belastningar och slitage på vindenergisystemet och minskar dess livslängd. Med smart användning av högupplösta data kan styrningen och driften av turbiner koordineras på ett effektivare sätt. I projektet planerar man att använda DPC (dynamic power curve) som har visat sig vara särskilt användbart för högfrekventa och ojämna mätdata. Det ska dessutom bedömas om metoden kan användas i stor skala för lastfallsanalys. Det skulle göra det möjligt att övervaka komponenterna och upptäcka skador i ett tidigt skede. Detta skulle i sin tur kunna ge lägre reparationskostnader och mindre vinstförluster genom effektbegränsning och avstängning.
Mer om detta på: Fraunhoferinstitutet för vindenergisystem – Wind Turbine Doctor
Målet med det gemensamma projektet WiSA big data, som genomförs av Carl-von-Ossietzky-universitetet i tyska Oldenburg och ett flertal partner, är att bidra till att fel på vindkraftverk upptäcks och fastställs på ett tidigt stadium genom analys av högupplösta driftdata för att ge beslutsunderlag till planering och genomförande av underhåll.
För detta vidareutvecklar man metoder som använts framgångsrikt på driftdata för i genomsnitt mer än 10 minuter och testar dem på högupplösta data. Nya metoder för tidig feldetektering överförs också på vindenergiapplikationer. De metoder som utvecklas och testas på det här sättet genomgår sedan en praktisk, kvantitativ jämförande utvärdering.
Som ett led i forskningsarbetet bidrar vi med ett praktiskt perspektiv på möjligheten att använda högupplösta driftdata. Vi kopplar det till beslutsprocesserna för underhåll och visar hur underhållet kan bli effektivare i framtiden.
Carl von Ossietzky-universitetet i Oldenburg – WiSA big data
Syftet med forskningsprojektet SeeOff vid Bremen-universitetet i Tyskland är att möjliggöra för alla företag som är inblandade i nedmonteringen att utveckla effektiva strategier för nedmontering av vindkraftverk ute till havs. Nedmonteringsstrategier anses effektiva om de uppfyller alla lagkrav, nivån på arbetarskydd och acceptans är hög, strategierna är billiga och de säkerställer att miljön skyddas. Tillsammans med de tvärvetenskapliga nätverkspartnerna identifierar forskarna grundförutsättningarna för nedmontering av vindkraftverk och tar fram rutiner för hur nedmonteringsstrategier kan utvecklas och analyseras. Områden med förbättringspotential identifieras och till sist görs resultaten tillgängliga i form av en manual för den havsbaserade vindenergiindustrin.
Syftet med delprojektet som genomförs av Deutsche Windtechnik är att vinna kunskap om nödvändiga och möjliga demonterings- och logistikalternativ för nedmonteringen av vindparker till havs och att formulera dem i termer av förbättringspotential.
Ytterligare projektinformation finns på: Strategiutveckling för effektiv nedmontering av havsbaserade vindparker
Det nystartade vindenergibolaget evoblade – en avknoppning från institutionen för rymd- och luftfartsteknik (IAT) vid Bremen-universitetet i Tyskland – har med hjälp av Deutsche Windtechnik och Wirtschaftsförderung Bremen utvecklat en spoiler som kan eftermonteras på rotorblad. Resultatet av sidostudien där EvoFlap testats och optimerats visar att aerodynamiken kring bladroten kan förbättras med spoilern, vilket i sin tur förbättrar turbinens verkningsgrad och prestanda.