Previsão de falha no rolamento evita perda de 53 MWh e reduz temperatura crítica em 15°C

Durante o monitoramento contínuo do parque eólico localizado no Nordeste, uma turbina GE 1.7-100 (WTG 09) passou a exibir um comportamento térmico anômalo a partir do dia 12/09/2024. A Delfos identificou, por meio de um alarme preditivo, um aumento progressivo da temperatura no rolamento principal do rotor, um dos componentes mais críticos da turbina.

A análise inicial mostrou que:

• A turbina ainda não era mapeada para essa falha no sistema do cliente.
• O comportamento era sutil e gradual, tornando difícil sua identificação sem uma ferramenta baseada em machine learning.
• O componente operava em temperaturas superiores ao esperado para o mesmo regime de potência, indicando ineficiência térmica crescente.
  
  

Essa detecção precoce só foi possível devido à abordagem da Delfos baseada em aprendizado de máquina, histórico de comportamento individualizado por turbina e cruzamento de dados temporais com anomalias intermitentes.

Solução Implementada

1. Detecção com Módulo de Predição

O módulo de Predição da Delfos, treinado com séries temporais de dados 10-minutais ao longo de 12 meses, detectou um desvio consistente de temperatura no rolamento principal do rotor. Esse módulo compara o comportamento atual da máquina com padrões esperados, levando em consideração variáveis como:

• Potência gerada
• Temperatura ambiente
• Regime operacional
• Curvas típicas de aquecimento sob diferentes condições

Esse tipo de análise permite que se identifique anormalidades mesmo quando não há superação direta de limiares fixos, como acontece com sistemas tradicionais baseados apenas em setpoints.

Figura 1 – Linha base de temperatura e início da tendência de aquecimento gradual.

‍

Figura 2 – Superação de 60°C e tendência crescente não correlacionada com potência.

2. Corroboração com Alarmes e Eventos

Entre 12/12/2024 e 11/01/2025, a turbina passou a apresentar paradas intermitentes decorrentes do acionamento automático do sistema SCADA, que interrompia a operação ao atingir o setpoint de 65°C. Neste caso, o sistema da Delfos foi ativado quando a elevação de temperatura já estava avançada, o que indica que os alarmes poderiam ter sido evitados se o monitoramento preditivo estivesse ativo desde o início do comportamento anômalo.

A Delfos consolidou a evidência mostrando:

• Evidência de correlação entre os picos térmicos e os eventos de parada, embora estes já refletissem um estágio avançado da falha
• Redução de produtividade acumulada
• Histórico de alarmes de “shaft bearing over temperature” emitidos repetidamente
  
  

 Figura 3 – Registro de paradas e correlação com setpoint.

‍

Figura 4 – Comparativo com turbinas vizinhas: +15°C de diferença.

‍

3. Análise Comparativa Avançada

Para reforçar a evidência, a Delfos aplicou uma análise comparativa entre as máquinas do mesmo parque — uma abordagem que permite detectar desvios relativos de performance. O rolamento da WTG 09 operava até 15°C acima das demais turbinas sob condições operacionais similares.

‍

Figura 5 – Visual de dispersão das temperaturas entre turbinas com destaque para o outlier.

‍

Resultados Alcançados

Após o report formal emitido pela equipe de Engenharia de Performance da Delfos, foi realizada uma inspeção técnica e subsequente troca do rolamento principal do rotor, efetivada em 15/02/2025.

Mudanças observadas após a intervenção:

• Redução imediata da temperatura média em 15°C
• Cessamento completo dos alarmes térmicos após 28/01/2025
• Estabilização térmica contínua, confirmada por atualizações até 14/04/2025
• Comportamento térmico voltou a se alinhar com o perfil esperado para turbinas sob regime nominal
  
  

‍

Figura 6 – Queda térmica pós-manutentiva.

‍

Figura 7 – Nova curva térmica estável.

‍

Figura 8 e 9 – Comparação histórica de dois anos: comportamento normalizado.

‍

Impacto energético:

• A turbina permaneceu cerca de 40 horas parada devido aos alarmes antes da intervenção.
• A energia frustrada acumulada foi estimada em 53 MWh.
• A manutenção preventiva impediu perdas adicionais e, possivelmente, danos ao próprio eixo do rotor, cujo reparo seria significativamente mais oneroso.
  
  

Figura 10, 11, 12 – Registro das paradas e da energia frustrada.

‍

Figura 13 – Cessamento definitivo dos alarmes.

Conclusão

Este caso representa um exemplo claro do valor da manutenção preditiva assistida por IA. O diagnóstico precoce da Delfos permitiu uma resposta antecipada, evitando a progressão de uma falha crítica e assegurando:

• Recuperação de energia
• Maior disponibilidade da turbina
• Redução de risco de falha catastrófica
• Economia potencial com a antecipação de manutenção corretiva

A atuação da Delfos vai além do monitoramento: trata-se de inteligência aplicada para tomada de decisão proativa, integrando engenharia, dados e performance de forma contínua.

‍

Big Numbers

• 15°C de redução térmica no rolamento após manutenção
• 53 MWh de energia frustrada evitada
• 40 horas de indisponibilidade mitigada
• Falha identificada antes de qualquer mapeamento interno
• Redução de 53% na diferença térmica entre máquinas

‍