Uso de la IA para detectar fallos en el sistema de pitch y evitar pérdidas de 20,000 USD por turbina
¿Sabías que un fallo en el sistema de inclinación, responsable de ajustar el ángulo de las palas de los aerogeneradores, puede reducir significativamente la producción de energía de un aerogenerador sin que nadie se dé cuenta de inmediato? Este es precisamente el desafío al que se enfrenta el Delfos equipo enfrentado y resuelto con un enfoque innovador basado en datos SCADA y modelos de aprendizaje automático.
El estudio muestra cómo es posible identificar estas fallas desde el principio y cuantificar su impacto en la generación de energía, con el potencial de evitar pérdidas de más de 20 000 USD al año por turbina (+329,7 MWh en el AEP).
El problema: cuando el sistema de pitch compromete la generación
En las turbinas de velocidad variable, el sistema de inclinación es esencial para dos funciones:
- Optimice la producción de energía ajustando el ángulo de las palas según la velocidad del viento.
- Proteja el equipo en condiciones extremas.
Sin embargo, este sistema no siempre funciona a la perfección. A menudo, una avería no paraliza la turbina eólica, sino que hace que no funcione de forma óptima. ¿Cuál es el resultado? Una caída en el rendimiento que es difícil de notar, pero costosa.
La solución: inteligencia artificial para monitorear lo inesperado
Delfos ha desarrollado una canalización automatizada que combina dos modelos:
- Proceso gaussiano con heterocedasticidad, que aprende el comportamiento normal entre la velocidad del viento y el ángulo de inclinación para cada modelo de turbina.
- Red neuronal artificial (ANN), que valida los datos del anemómetro de la góndola y garantiza que la alarma de tono no se deba a un error de medición del viento.
Si se confirma una anomalía real en el sistema de pitch, la metodología estima el impacto directo en la producción anual basándose en la Norma IEC 61400-12-2, simulando la curva de potencia de la turbina eólica.
Resultados que hablan por sí solos
Dos casos reales han demostrado el poder de este enfoque:
Caso WTG1 - Anomalía de tono
- Diagnóstico: comportamiento anómalo confirmado por el modelo.
- Intervención: corrección de actuadores y software.
- Resultado: Un aumento del 5,47% en el AEP, lo que equivale a +329,7 MWh al año o alrededor de 20,000 USD en ingresos evitados.
Caso WTG2 - Error en el anemómetro
- Diagnóstico: la alarma de inclinación se debió a un error en la medición del viento.
- Intervención: corrección del sensor de viento.
- Resultado: normalización de los modelos y KPI de rendimiento confiables nuevamente.
¿Por qué es importante para el sector?
Además de prevenir pérdidas financieras, esta metodología aporta agilidad al mantenimiento, confianza en los indicadores de rendimiento y estandarización de los análisis incluso en turbinas de diferentes fabricantes. Y lo mejor: con datos que ya existen en SCADA.
Conclusión: la IA en la práctica crea valor
Este es otro ejemplo de cómo Delfos está a la vanguardia del mantenimiento predictivo en energía eólica. Al transformar los datos en información procesable, evitamos pérdidas, mejoramos la eficiencia y respaldamos las decisiones basadas en la evidencia.
¿Quiere obtener más información sobre cómo se puede aplicar esta metodología a su parque eólico? Hable con nuestros expertos o lea el artículo completo presentado en Brazil WindPower 2022 rellenando el siguiente formulario.
Estudio presentado por Nathianne Andrade en el Brasil WindPower 2022.
Reserva una reunión
Conectemos y forjemos nuevas asociaciones
Custom Renewable Energy Solutions
Póngase en contacto con nosotros hoy mismo para hablar sobre sus necesidades de energía renovable y encontrar la solución perfecta para su empresa.