Diagnosis of wind turbine blade defects and icing using hyperspectral imaging / Diagnostic des défauts et du givrage des pales d'éoliennes à l'aide de l'imagerie hyperspectrale

Rizk, Patrick (2022). Diagnosis of wind turbine blade defects and icing using hyperspectral imaging / Diagnostic des défauts et du givrage des pales d'éoliennes à l'aide de l'imagerie hyperspectrale. Thèse. Rimouski, Université du Québec à Rimouski, Département de mathématiques, informatique et génie, 200 p.

Prévisualisation

PDF Télécharger (12MB) | Prévisualisation

Résumé

RÉSUMÉ : À mesure que la demande d'électricité augmente, les réglementations environnementales limitent l'utilisation des centrales thermiques et des sources d'énergie renouvelables ; en particulier, l'énergie éolienne devient de plus en plus populaire dans le monde entier. L'électricité d'origine éolienne n'a cessé d'augmenter au cours des dernières décennies et continuera à le faire dans les années à venir. La production d'énergie éolienne est une technologie mature, avec plus de 740 GW de capacité installée dans le monde. L'exploitation des parcs éoliens pose des défis cruciaux pour maintenir le coût de l'énergie au plus bas. C'est pourquoi, dans ce secteur, la disponibilité des éoliennes et la capacité à détecter précisément les défauts à l'avance sont devenues très importantes. Les pannes inattendues d'un composant d'une éolienne peuvent entraîner des pertes financières importantes. Par conséquent, il est essentiel de détecter à l'avance ou de prévoir les pannes des éoliennes causées par divers facteurs tels que les défaillances électriques ou mécaniques, la dégradation des matériaux, les défauts ou les dommages, etc. Les pales des éoliennes sont les composants les plus chers et les plus exposés, et elles subissent une variété de défauts, notamment des fissures, l'érosion et de givrage, qui réduisent leurs performances. Par conséquent, l'une des tentatives les plus efficaces consiste à utiliser des diagnostics non destructifs des pales d'éoliennes pour prévenir les défaillances catastrophiques et les temps d'arrêt imprévus. Actuellement, l'optimisation des conditions d'arrêt et de redémarrage des éoliennes nécessiterait le développement d'un nouveau système qui identifie et quantifie les défauts tout en limitant, voire en éliminant, l'accrétion de glace sur les pales. La majorité des études dans le domaine du diagnostic des pales se concentre sur le développement d'un système de détection précoce des dommages. Si ces défauts sont découverts à un stade précoce, les temps d'arrêt et les coûts de maintenance seraient considérablement réduits. Cette thèse examine certaines des techniques non-destructives récentes pour l'analyse des pales d'éoliennes, ainsi que leur applicabilité, leurs avantages et leurs inconvénients. En effet, la détection et la localisation de ces défauts restent un défi sérieux dans la plupart des systèmes de détection qui nécessitent un grand nombre d'indications de défauts. Ces techniques sont basées sur des paramètres globaux qui fournissent quelques informations générales concernant la situation du défaut dans les pales sans créer une quantification localisée du défaut. Néanmoins, ces inconvénients peuvent être surmontés par la télédétection. L'imagerie hyperspectral est une technique d'imagerie spectrale qui intègre l'imagerie et la spectroscopie, permet l'analyse et l'identification de signatures spectrales distinctives, et les attribue aux éléments de l'échantillon examiné. Ainsi, l'objectif principal de cette thèse est d'améliorer la surveillance des pales d'éoliennes en appliquant la technologie d'imagerie hyperspectral. Cette thèse décrit la mise en œuvre de l'imagerie hyperspectral dans l'acquisition, le traitement et la reconnaissance des défauts et la détection des fissures, de l'érosion et des événements de givrage. Les résultats de cette technique sur le terrain montrent que les défauts des pales peuvent être détectés à un stade précoce avec une grande exactitude et précision. -- Mot(s) clé(s) en français : Pales des éoliennes, diagnostic, imagerie hyperspectral, défauts de surface, fissure, érosion, givrage. --
ABSTRACT : As the demand for electricity increases, environmental regulations are limiting the use of thermal power plants and renewable energy sources; in particular, wind power is becoming increasingly popular around the world. Electricity from wind power has been steadily increasing over the past few decades and will continue to do so in the coming years. Wind power generation is a mature technology, with over 740 GW of installed capacity worldwide. Operating wind farms pose critical challenges to keeping the cost of energy down. Therefore, in this sector, the availability of wind turbines and the ability to accurately detect faults in advance have become very important. Unexpected failures of a wind turbine component can lead to significant financial losses. Therefore, it is essential to detect in advance or predict wind turbine failures caused by various factors such as electrical or mechanical failures, material degradation, defects, damage, etc. Wind turbine blades are the most expensive and exposed components, and they suffer from a variety of defects, including cracking, erosion, and icing, which reduce their performance. Therefore, one of the most effective attempts is to use non-destructive diagnostics of wind turbine blades to prevent catastrophic failures and unexpected downtime. Currently, optimizing wind turbine shutdown and restart conditions would require the development of a new system that identifies and quantifies faults while limiting or even eliminating ice accretion on the blades. Most studies in the field of blade diagnostics focus on developing a system for the early detection of damage. If these defects are discovered at an early stage, downtime and maintenance costs would be significantly reduced. This thesis examines some of the recent non-destructive techniques for the analysis of wind turbine blades, as well as their applicability, advantages, and disadvantages. Indeed, the detection and localization of these defects remain a serious challenge in most detection systems that require many defect indications. These techniques are based on global parameters that provide some general information about the fault situation in the blades without creating a localized fault quantification. Nevertheless, these drawbacks can be overcome by remote sensing. Hyperspectral imaging is a spectral imaging technique that integrates imaging and spectroscopy, allows for the analysis and identification of distinctive spectral signatures, and attributes them to features in the sample being examined. Thus, the main objective of this thesis is to improve the monitoring of wind turbine blades by applying hyperspectral imaging technology. This thesis describes the implementation of hyperspectral imaging in the acquisition, processing, and recognition of defects and the detection of cracks, erosion, and icing events. The results of this technique in the field show that blade defects can be detected at an early stage with high accuracy and precision. -- Mot(s) clé(s) en anglais : Wind turbine blades, diagnostic, hyperspectral imagery, surface defects, crack, erosion, icing.

Type de document :	Thèse ou mémoire de l'UQAR (Thèse)
Directeur(trice) de mémoire/thèse :	Ilinca, Adrian
Co-directeur(s) ou co-directrice(s) de mémoire/thèse :	Khoder, Jihan et Younes, Rafic
Information complémentaire :	A thesis presented in partial fulfillment of the requirements of the Doctoral Program in Engineering from UQAC, offered by extension at UQAR, for the degree of philosophiae doctor. Thèse présentée dans le cadre du programme de doctorat en ingénierie de l'UQAC, offert par extension à l'UQAR, en vue de l'obtention du grade de philosophiae doctor.
Mots-clés :	Pales (Éoliennes); Défauts; Givrage; Imagerie hyperspectrale; Diagnostics.
Départements et unités départementales :	Département de mathématiques, informatique et génie > Génie
Déposé par :	DIUQAR UQAR
Date de dépôt :	02 mars 2023 20:53
Dernière modification :	02 mars 2023 20:53
URI :	https://semaphore.uqar.ca/id/eprint/2118

Actions (administrateurs uniquement)

Éditer la notice