La digitalización y el análisis de datos respaldan el despliegue de los parques eólicos marinos
Las tecnologías eólicas marinas serán fundamentales para la transición energética ecológica de Europa, que incluye importantes objetivos de integración de las fuentes de energía renovables y de reducción de las emisiones de CO2. La Unión Europea (UE) se ha marcado como objetivo un aumento de la capacidad de producción de energía eólica marina de su nivel actual de 12 gigavatios (GW) a, como mínimo, 60 GW para 2030 y 300 GW para 2050. El despliegue masivo las energías renovables marinas ayudará a la UE a cumplir su objetivo de neutralidad climática para 2050 y fomentará el crecimiento económico y la creación de empleo en todas las partes de la cadena de suministro de energías renovables. Según la Agencia Internacional de la Energía, las áreas más críticas de mejora para fomentar el rápido despliegue de la capacidad de producción de energía eólica marina son la mejora de la tecnología y la reducción de costes. El proyecto ROMEO, financiado con fondos europeos, ha proporcionado un sistema de apoyo a la toma de decisiones para reducir los costes de operación y mantenimiento (OM) que aprovecha el mantenimiento preventivo, los datos masivos, el aprendizaje automático y los análisis basados en la nube.
La modelización integral apoya la toma de decisiones avanzadas
La monitorización de la salud estructural de los sistemas de energía eólica no es una idea nueva. Sin embargo, según César Yanes, de Iberdrola Renewable Energy y coordinador de ROMEO, antes de ROMEO no se extraía mucha de la información y el valor de los datos procedentes de los sistemas de mantenimiento preventivo (CMS, por sus siglas en inglés). La optimización de la forma en que se recogen y analizan los datos depende en gran medida de modelos subyacentes que describan y predigan con precisión los comportamientos y detecten las anomalías, y los modelos son un resultado esencial del proyecto. Los análisis modales de fallos, efectos y su criticidad se desarrollaron al inicio del proyecto para proporcionar información sobre los fallos críticos que debían evaluarse en función del coste, la frecuencia o las cuestiones de seguridad y estado de la estructura. Los científicos desarrollaron modelos físicos y de aprendizaje automático para los principales componentes de la turbina (caja de engranajes, cojinete principal, rodamiento de pala del generador, transformador y convertidor) para permitir la detección temprana de fallos, el diagnóstico y el pronóstico. Los modelos estructurales también apoyarán la evaluación de la fatiga y la detección de daños en los cimientos de las turbinas eólicas. A pesar del alto nivel de confidencialidad exigido, la colaboración en ROMEO proporcionó modelos, funcionalidades analíticas y escenarios posibles más allá de los previstos inicialmente. Los modelos permiten detectar fallos con antelación, mientras que las funcionalidades analíticas ayudan a los gestores de OM a tomar mejores decisiones, lo que ayuda a reducir los costes. Algunos modelos ya se han extrapolado a los parques eólicos terrestres, trabajo que continuará en los próximos meses.
Del perímetro a la nube y de vuelta a los responsables de la toma de decisiones
En ROMEO se desarrolló una completa infraestructura de datos para integrar las diversas fuentes de datos operativos de tres parques eólicos piloto: Wikinger (Alemania) y Teesside e East Anglia ONE (el Reino Unido). «Nuestra infraestructura de datos garantiza la compatibilidad con los modelos que interpretan los datos, lo que conecta los sistemas de control supervisor y adquisición de datos de los parques eólicos, los CMS y otras fuentes de datos —incluido un dispositivo perimetral con capacidades de procesamiento recientemente desplegado— con la nube de IBM. Los modelos, que se ejecutan en el entorno de la nube, incorporan sus resultados a una plataforma intuitiva de gestión de la información para mejorar la toma de decisiones», explica Yanes. ROMEO ha aprovechado los datos masivos, el aprendizaje automático, la computación en la nube y los dispositivos perimetrales en un CMS de nueva generación que se completa con una plataforma intuitiva de gestión de la información. Las tecnologías integrales y las herramientas analíticas respaldarán la transición de un mantenimiento correctivo basado en el calendario a un mantenimiento basado en la condición, lo que, al mismo tiempo, reduce el número de fallos importantes inesperados y garantiza una mejor planificación logística. Los resultados preliminares sugieren reducciones significativas en los costes de OM que deberían estimular el despliegue y reducir el coste de la energía eólica para los clientes.
Palabras clave
ROMEO, nube, parques eólicos, perímetro, CMS, OM, aprendizaje automático, mantenimiento preventivo, datos masivos, operaciones y mantenimiento
