Una forma más eficiente de mantener las turbinas eólicas
La energía eólica es un ingrediente esencial en la transición de la sociedad hacia la energía renovable. Sin embargo, el problema es que el funcionamiento y el mantenimiento de las turbinas eólicas sigue siendo muy caro, ya que representan hasta una tercera parte del coste de la energía renovable. De hecho, un fallo inesperado en un componente esencial suele provocar que se apague toda la turbina. Eso puede dejar a miles de hogares teniéndose que alimentar con combustibles fósiles durante varios meses. Para el propietario del parque eólico, eso significa la pérdida de ingresos y reparaciones muy caras. La clave para evitar esas posibles averías debilitantes está en la detección temprana de errores. Tradicionalmente, eso se ha hecho mediante el mantenimiento preventivo, un proceso que utiliza avanzados datos de sensores para supervisar la salud del equipo mecánico. «Los ingenieros expertos que participan en este proceso son como médicos de turbinas eólicas, los cuales intentan identificar la enfermedad lo antes posible y recomiendan la cura más efectiva», afirma Allan Larsen, coordinador del proyecto PAVIMON, financiado con fondos europeos. Por desgracia, el mantenimiento preventivo es un proceso manual que no se puede ampliar demasiado bien. Por eso, Vertikal AI, responsable del proyecto, ha desarrollado una alternativa con inteligencia artificial (IA). «Nuestra tecnología de IA supone un gran cambio», añade Larsen, director general de Vertikal AI, una empresa danesa especializada en soluciones de mantenimiento predictivo basadas en IA. «Aprovecha el historial de datos de fallos, los conocimientos de ingeniería y los datos mecánicos para producir avisos sobre fallos más robustos y con mayor anterioridad que el mantenimiento preventivo tradicional». Ahora, gracias al proyecto PAVIMON, esta tecnología de IA está muy bien encaminada para empezar su comercialización.
La necesidad de tecnologías basadas en IA es mayor de lo esperado
Durante el proyecto, Vertikal AI estudió la viabilidad de crear una solución rentable y escalable basada en la tecnología de aprendizaje profundo de la empresa. Al trabajar con grandes propietarios de turbinas eólicas, los investigadores plantearon preguntas como: ¿Cómo de limpio y completo es el panorama de los datos del cliente? ¿Qué problemas padece el usuario? ¿Qué impide transformar los procesos actuales? ¿De qué modo el mercado y el panorama competitivo pueden contribuir a una estrategia de gran crecimiento? Larsen explica: «Al recopilar los datos y la información nos vimos obligados a plantear muchas preguntas a los clientes potenciales y a profundizar en los procesos y los problemas del usuario. Esta curiosidad ha sido acogida muy positivamente y, hoy por hoy, las relaciones que forjamos a partir de ello nos siguen ayudando». Según Larsen, a través de estas conversaciones el equipo descubrió que la necesidad a largo plazo de su tecnología de IA sobrepasaba de lleno sus supuestos iniciales. «Nos dimos cuenta de que algunas oportunidades están al alcance de la mano y que, con una versión mucho más sencilla de nuestro producto, podemos empezar a solucionar problemas de inmediato, sin dejar de que eso siga teniendo un papel importante en nuestra visión a largo plazo», añade.
Acelerar el plazo de comercialización
Aunque el proyecto ya está acabado, Vertikal AI sigue avanzando sus soluciones hacia la comercialización. «El proyecto PAVIMON realmente validó nuestro potencial de crecimiento, y la información que recopilamos ahora es la base de nuestra estrategia de crecimiento a largo plazo», concluye Larsen. La empresa está actualmente realizando importantes inversiones en I+D y trabaja para acelerar su plazo de comercialización. En los próximos años, Vertikal AI pretende trabajar estrechamente con sus clientes para finalizar el producto y permitir que esté preparado para el mercado. Para ello, buscan capital riesgo privado y, posiblemente, financiación del Acelerador del Consejo Europeo de Innovación.
Palabras clave
PAVIMON, Vertikal AI, inteligencia artificial, IA, aprendizaje profundo, turbinas eólicas, parque eólico, mantenimiento predictivo, energía eólica, energía renovable, mantenimiento preventivo