Les centrales hydroélectriques demeurent l'une des sources d'énergie renouvelables les plus fiables et évolutives, fournissant environ 16 % de la production mondiale d'électricité. Cependant, la complexité de ces centrales, qui combinent des systèmes mécaniques, électriques, hydrauliques et de commande, les rend encore plus sensibles à une large gamme de défauts. Une seule défaillance non détectée peut entraîner des arrêts imprévus, des réparations coûteuses, voire des défaillances catastrophiques comme des fissures de turbine, des incendies de générateur ou des incidents de sécurité des barrages.

Comprendre les défaillances des centrales hydroélectriques

Les défaillances des centrales hydroélectriques peuvent provenir de n'importe quel sous-système et leurs manifestations se chevauchent souvent. Une compréhension approfondie des catégories de défaillances est la première étape vers un diagnostic efficace.

Défauts mécaniques

Les défauts mécaniques sont parmi les plus courants et peuvent avoir les conséquences les plus graves. Les pales de turbine subissent fatigue, érosion et fissures en raison d'une exposition prolongée au débit d'eau, à la cavitation et aux débris. L'usure et le mauvais alignement des turbines et des générateurs provoquent des vibrations qui, si elles ne sont pas vérifiées, peuvent entraîner des dommages à l'arbre ou une défaillance de l'accouplement.

Défauts électriques

La surchauffe due à un refroidissement insuffisant ou à une surcharge peut accélérer la dégradation de l'isolation. Les défauts de transformation comprennent les déformations de l'enroulement, la contamination par l'huile et les défaillances du douille. Ces problèmes se manifestent souvent par une tension anormale, des déséquilibres du courant ou des harmoniques. Une défaillance du système d'excitation peut entraîner une perte de synchronisation ou des événements de surtension.

Défauts hydrauliques et environnementaux

Les failles hydrauliques sont uniques aux centrales hydroélectriques et sont étroitement liées au circuit d'eau. La cavitation, la formation et l'implosion de bulles de vapeur, peut éroder les pales des turbines et les parois des tubes de courants, réduire considérablement l'efficacité et causer le bruit et les vibrations. L'érosion des sédiments est un problème majeur dans les usines de ruissellement sur les rivières chargées de sédiments, usure des coureurs et des vannes de guidage.

Système de contrôle et défaillances d'instrumentation

Les pannes dans les capteurs (p. ex., transmetteurs de pression, sondes de température, encodeurs de position) peuvent entraîner des erreurs de rétroaction et de contrôle erronées. Les défaillances de communication, les bogues logiciels et les défaillances des actionneurs (p. ex., servomoteurs à guidage bloqués) peuvent causer des perturbations opérationnelles. Ces défaillances sont souvent intermittentes et nécessitent une analyse minutieuse des données de contrôle et des journaux de séquence des événements.

Outils pour le diagnostic des fautes

Les outils de diagnostic avancés sont l'épine dorsale de la surveillance moderne de l'état. Chaque outil cible des phénomènes physiques spécifiques et fournit des indications uniques.

Analyse des vibrations

L'analyse des vibrations est sans doute la technique la plus puissante pour la détection des défauts mécaniques. Les accéléromètres placés sur les boîtiers de roulement, les boîtiers de turbine et les cadres de générateurs captent les signaux de vibration dans les domaines du temps et de la fréquence. Les principales mesures comprennent le niveau global de vibration, les pics de fréquence spécifiques (p. ex. fréquence de passage des pales, harmoniques de vitesse de fonctionnement) et les changements d'amplitude ou de phase.

Thermographie

Dans les centrales hydroélectriques, il est appliqué à l'équipement électrique (rupteur, barre d'autobus, transformateur, enroulement de générateur) et aux composants mécaniques (portages, accouplements, freins). Les points chauds indiquent souvent des connexions à haute résistance, des circuits surchargés ou des roulements défaillants. Par exemple, une image thermique d'un noyau de stator de générateur peut montrer des différences de température qui pointent vers des dommages d'isolation localisés.

Essais électriques

Les essais de diagnostic électrique vérifient l'état de l'isolation, des enroulements et des circuits.

  • Essai de résistance à l'isolation:[ Mesure la résistance entre les enroulements et le sol. Une tendance à la baisse indique l'humidité ou la contamination.
  • Indice depolarisation (PI):[ Rapport de IR à 10 minutes à 1 minute; les valeurs inférieures à 2 suggèrent des problèmes d'isolation.
  • Décharge partielle (PD) Mesure:[ Détecte les petites décharges électriques qui érodent l'isolation au fil du temps.
  • Facteur de capacité et de dissipation (Tan Delta):[ Utilisé sur les enroulements et les douilles de stators pour évaluer le vieillissement de l'isolation.
  • DC Essai à fort potentiel (HiPot) : Applique la surtension pour vérifier la résistance à l'isolation.

Ces tests sont souvent effectués lors de pannes planifiées, mais la surveillance en ligne de la PD permet une évaluation continue pendant l'exploitation.

Systèmes SCADA

Les systèmes SCADA génèrent des alarmes lorsque les valeurs dépassent les seuils prédéfinis, permettant une réponse rapide de l'opérateur. Les plates-formes modernes SCADA s'intègrent aux historiens pour le stockage de données à long terme et l'analyse des tendances. Les systèmes plus avancés intègrent des modules de diagnostic qui peuvent corréler plusieurs paramètres pour suggérer des modes de défaillance spécifiques. Par exemple, combiner le niveau de vibration avec la tête d'eau et la charge peut aider à distinguer la cavitation et le déséquilibre mécanique.

Surveillance acoustique

Les capteurs AE à haute fréquence peuvent détecter la propagation des fissures, les implosions de cavitation et les impacts de particules dans le débit d'eau. Les réseaux de microphones placés dans le tube de broutage peuvent capter le bruit de cavitation, qui a un son caractéristique « popcorn » ou « hissing ». La reconnaissance des motifs acoustiques, facilitée par l'apprentissage de la machine, peut faire la différence entre le bruit normal de fonctionnement et les types de défauts spécifiques.

Analyse pétrolière

Dans les centrales hydroélectriques à systèmes hydrauliques (par exemple, turbines Kaplan à pales, Francis à servomoteurs à balais guides et roulements lubrifiés dans les générateurs), l'analyse de l'huile fournit une foule d'informations. Les tests comprennent la viscosité, la teneur en eau, le nombre d'acides, le nombre de particules et l'analyse de l'usure par spectrométrie.

Essais à ultrasons

L'U.T. peut identifier l'éclaircie de paroi due à l'érosion ou à la corrosion, ainsi que les fissures subsurfaces. L'U.T.T. est un outil clé pour l'évaluation de l'intégrité structurale lors des révisions.

Techniques pour le diagnostic des fautes

Avoir les bons outils n'est qu'une partie de l'équation. Il est tout aussi important de savoir comment les données recueillies sont traitées et interprétées.

Diagnostics fondés sur le modèle

Par exemple, un modèle dynamique d'une turbine Francis peut simuler le couple d'arbre et la puissance de sortie dans diverses conditions de fonctionnement. Si la vibration réelle dépasse de façon significative la plage prévue du modèle, une faille est probablement présente. Ces modèles reposent souvent sur des principes physiques (modèles de principes premiers) ou peuvent être construits à partir de données historiques d'identification du système. Les diagnostics basés sur le modèle sont puissants pour détecter des changements subtils dans la dynamique du système, mais ils nécessitent des modèles précis qui peuvent être coûteux à développer et à valider.

Méthodes d'exploitation des données

Les techniques fondées sur les données ont gagné en popularité en raison de l'abondance des données des capteurs et des progrès de l'apprentissage automatique (ML). Ces méthodes apprennent les modèles à partir de données historiques sans exiger de modèles physiques explicites.

  • Réseaux neuronaux artificiels (NN): Utilisé pour la reconnaissance des motifs, p.ex., la classification des spectres de vibrations en types de failles normaux ou spécifiques.
  • Support Vector Machines (SVM):[ Efficace pour la classification binaire des défauts (faut/sans défaut) avec de petits ensembles de données.
  • Analyse des composants principaux (APC):[ Réduit la dimensionnalité des données multivariées pour détecter les anomalies.
  • Clustering (p. ex., k-means, DBSCAN):[ Groupes d'états opérationnels et affiche de nouveaux groupements invisibles comme des failles potentielles.
  • Time Series Models (ARIMA, LSTM):[ Prévoir les valeurs futures des paramètres clés; les écarts par rapport aux prédictions indiquent des défauts.

Les méthodes basées sur les données sont excellentes lorsque les données de défaut sont disponibles, mais elles peuvent être sensibles à la qualité des données et peuvent être difficiles à extrapoler au-delà de la gamme d'entraînement.

Analyse des tendances

L'analyse des tendances est la technique diagnostique la plus simple et la plus universellement appliquée, qui consiste à tracer les paramètres clés (p. ex. température de roulement, niveau de vibration, température d'enroulement du générateur) au fil du temps et à rechercher des tendances ascendantes ou descendantes. Les cartes de contrôle statistique des processus (PCS) avec des limites de contrôle (p. ex. ±3ε) peuvent automatiquement indiquer un comportement hors de la tendance.

Analyse des arbres de défaillance et analyse des causes profondes

L'analyse des arbres par défaut (EFT) est une méthode de déduction descendante utilisée pour retracer un événement particulier (p. ex., « voyage en tortue ») de retour à ses causes de base. En construisant un diagramme logique avec des portes ET/OU, les ingénieurs peuvent identifier toutes les combinaisons de défaillances possibles. L'EFT est très utile pour les enquêtes post-incident et pour la conception de systèmes de diagnostic qui priorisent les causes profondes les plus probables.

Approches hybrides

Dans la pratique, les systèmes de diagnostic les plus efficaces combinent plusieurs techniques. Un exemple typique est un système de surveillance de l'état de la turbine qui utilise l'analyse des vibrations (outil) avec des caractéristiques de domaine de fréquence, les alimente en classificateur d'apprentissage machine (d'après les données), et compare la signature à un seuil basé sur le modèle (d'après le modèle).

Mise en place d'un système de diagnostic intégré

Déployer un cadre complet de diagnostic des défauts exige une planification minutieuse dans la sélection des capteurs, l'infrastructure de données et l'intégration de la maintenance.

Sélection et placement des capteurs

Une approche fondée sur les risques devrait identifier les modes de défaillance les plus critiques et les paramètres mesurables qui y sont associés. Par exemple, si la cavitation est un risque connu, installer des capteurs AE dans le tube de brouillage et des accéléromètres à large bande sur le boîtier du roulement à turbine. Si l'isolation par stator est une préoccupation, installer des coupleurs PD en ligne sur les bornes du générateur.

Plateforme de gestion des données et d'analyse

Un historien robuste (p. ex. OSIsoft PI, Siemens SIMATIC) stocke les données de séries chronologiques avec une indexation appropriée. Une plateforme analytique traite ensuite ces données à l'aide de l'informatique de bord ou de services basés sur le cloud. La plateforme devrait prendre en charge les requêtes rapides, la visualisation des tendances et l'intégration avec les algorithmes de diagnostic. Les API permettent la connexion aux systèmes SCADA, CMMS et d'entreprise.

Intégration de l'entretien sous condition

Le diagnostic de défaillance a pour objectif ultime de permettre une maintenance basée sur les conditions (CBM). Les sorties diagnostiques devraient alimenter un système de planification de maintenance qui prévoit des inspections, des remplacements de pièces et des révisions en fonction de la santé de l'équipement réel plutôt que des intervalles fixes. Par exemple, si l'analyse des vibrations montre une usure précoce du roulement, le roulement peut être remplacé lors de la prochaine panne planifiée au lieu d'attendre une panne.

Défis et orientations futures

Malgré des progrès importants, le diagnostic des défaillances dans les centrales hydroélectriques est confronté à plusieurs défis auxquels font face les recherches et le développement technologique en cours.

Qualité et volume des données

Les capteurs peuvent produire des données bruyantes, manquantes ou erronées. Les valeurs aberrantes et la dérive peuvent déclencher de fausses alarmes ou masquer des défauts réels. Les algorithmes de nettoyage et de validation des données sont critiques, mais ils ajoutent de la complexité. Le volume de données des capteurs haute fréquence (par exemple, les vibrations à 10 kHz par canal) peut être coûteux à stocker et à transmettre.

Cybersécurité

Un hacker pourrait manipuler les lectures de capteurs pour cacher une faille en développement ou, pire, causer des arrêts inutiles en injectant de fausses alarmes. La sécurisation du réseau OT (technologie opérationnelle) avec segmentation, cryptage et authentification est essentielle. Les normes comme IEC 62443 fournissent des conseils pour la cybersécurité industrielle.

Explicabilité de l'IA

De nombreuses méthodes axées sur les données, en particulier les réseaux neuronaux profonds, fonctionnent comme des « boîtes noires ». Les opérateurs et les ingénieurs sont souvent réticents à faire confiance à un diagnostic s'ils ne comprennent pas pourquoi il a été fait. Les techniques d'IA explicable (XAI), telles que SHAP (SHapley Additive exPlanations) ou LIME (Local Interpretable Model-agnostic Explaintions), aident à mettre en évidence les caractéristiques qui ont le plus contribué à une prédiction.

Jumelles numériques

Le concept de jumeaux numériques – une réplique virtuelle de l'usine physique qui simule le comportement en temps réel – apparaît comme un outil puissant pour le diagnostic des défauts. Un jumeau numérique peut continuellement comparer ses sorties prévues aux données réelles du capteur, détecter des écarts qui indiquent des défauts. Il peut aussi simuler des scénarios « what-if » pour prédire l'évolution d'une défaillance et recommander des mesures d'atténuation optimales.

Conclusion

En comprenant les divers mécanismes de défaillance, mécaniques, électriques, hydrauliques et de contrôle, les opérateurs peuvent choisir la bonne combinaison d'outils de diagnostic : analyse des vibrations, thermographie, essais électriques, SCADA, surveillance acoustique et analyse des hydrocarbures. Des techniques efficaces comme les diagnostics fondés sur des modèles, les méthodes fondées sur les données, l'analyse des tendances et l'analyse des arbres de faille convertissent les données des capteurs en alertes précoces et en identification précise des causes profondes. La mise en place d'un système intégré qui relie le diagnostic à l'entretien basé sur les conditions maximise la fiabilité des installations et minimise les surprises coûteuses.