Universidad Pontificia Comillas. Madrid (Spain)
March 23rd, 2018
Original summary:
Debido al creciente número de sensores instalados en subconjuntos de componentes
industriales, la cantidad de datos recogidos está aumentando rápidamente. Estos datos
contienen información en áreas como la operación del sistema y la evolución del estado
de salud de los componentes. Por tanto, extraer el conocimiento de los datos puede
conllevar mejoras significativas en las áreas mencionadas.
Esta tesis proporciona un camino para alcanzar tal objetivo. Se comienza analizando
los datos en el nivel del subconjunto de los componentes y se crean cuatro marcos para
el análisis de la operación y mantenimiento (O&M) para horizontes pasados, presentes
y futuros a nivel de componente. Estos marcos permiten mejorar la operación, la
planificación de mantenimiento, la reducción de costes, la eficiencia y el rendimiento
de los componentes industriales. A continuación, la tesis evalúa si dichos modelos pueden
enlazarse con el análisis a nivel de sistema y cómo proporcionar tal enlace podría
proporcionar mejoras adicionales para los operadores del sistema. Finalmente, se revisa
y actualiza el mantenimiento preventivo (PM) en la programación del mantenimiento
de generación (GMS) en sistemas de energía eléctrica con avances recientes como la
conexión al mercado eléctrico y la implementación detallada de indicadores del estado
de salud en los modelos de mantenimiento. En particular, se investiga la programación
de mantenimiento a través de la teoría de juegos en un sistema de energía desregulado,
en un parque eólico offshore (OWF) y una Microgrid aislada (MG).
Los resultados demuestran mejoras en la reducción de costes y el aumento de beneficios
para los agentes del mercado y operadores de sistemas, así como los propietarios de
activos. Además, los modelos también ofrecen una visión de cómo la integración directa
de los datos de la operación recopilada a través de los modelos desarrollados a nivel de
componentes puede ayudar a mejorar el funcionamiento y la gestión del mantenimiento.
English summary:
With increase in the number of sensors installed on sub-assemblies of industrial components,
the amount of data collected is rapidly increasing. These data hold information
in the areas of operation of the system and evolution of health condition of the components.
Therefore, extracting the knowledge from the data can bring about significant
improvements in the aforementioned areas.
This dissertation provides a path for achieving such an objective. It starts by analyzing
the data at the sub-assembly level of the components and creates four frameworks for
analysis of operation and maintenance (O&M) for past, present and future horizons at
the component level. These frameworks allow improvement in operation, maintenance
planning, cost reduction, efficiency and performance of the industrial components.
Next, the dissertation evaluates whether such models can be linked with system level
analysis and how providing such a link could provide additional improvements for
system operators. Finally, preventive maintenance (PM) in generation maintenance
scheduling (GMS) in electric power systems is reviewed and updated with recent advancements
such as connection to the electricity market and detailed implementation
of health condition indicators into the maintenance models. In particular, maintenance
scheduling through game theory in deregulated power system, for offshore wind farm
(OWF) and an islanded microgrid (MG) are investigated.
The results demonstrate improvements in reducing cost and increasing profit for the
market agents and system operators as well as asset owners. Moreover, the models also
deliver an insight on how direct integration of the collected operation data through the
developed component level models can assist in improving the operation and management
of maintenance for the system.
Descriptors: Data analysis
Keywords: Detección de Anomalías, Supervisión de Estado, Gestión de Mantenimiento, Evaluación de Rendimiento, Modelado Matemático, Optimización; Anomaly Detection, Condition Monitoring, Maintenance Management, Performance Evaluation, Data Analytics, Mathematical Modeling, Optimization
Citation:
P. Mazidi (2018), From condition monitoring to maintenance management in electric power system generation with focus on wind turbines. Universidad Pontificia Comillas. Madrid (Spain).
