Uso de IA para detectar falhas no sistema de pitch e evitar perdas de R$100 mil por turbina com Delfos
Você sabia que uma falha no sistema de pitch - responsável por ajustar o ângulo das pás de turbinas eólicas - pode reduzir significativamente a produção de energia de um aerogerador, sem que ninguém perceba de imediato? Foi exatamente esse desafio que a equipe da Delfos enfrentou e resolveu com uma abordagem inovadora baseada em dados SCADA e modelos de machine learning.
O estudo mostra como é possível identificar precocemente essas falhas e quantificar seu impacto na geração de energia - com potencial de evitar perdas superiores a R$ 100 mil por ano por turbina (+329,7 MWh no AEP).
O problema: quando o sistema de pitch compromete a geração
Em turbinas de velocidade variável, o sistema de pitch é essencial para duas funções:
- Otimizar a produção de energia, ajustando o ângulo das pás conforme a velocidade do vento.
- Proteger o equipamento em condições extremas.
Mas nem sempre esse sistema funciona perfeitamente. Muitas vezes, uma falha não paralisa o aerogerador - ela apenas o faz operar abaixo do ideal. O resultado? Uma queda de performance difícil de ser percebida, porém custosa.
A solução: inteligência artificial para monitorar o inesperado
A Delfos desenvolveu um pipeline automatizado que une dois modelos:
- Processo Gaussiano com heteroscedasticidade, que aprende o comportamento normal entre velocidade do vento e ângulo de pitch para cada modelo de turbina.
- Rede Neural Artificial (RNA), que valida os dados do anemômetro da nacele, garantindo que o alarme de pitch não seja causado por erro de medição do vento.
Se for confirmada uma anomalia real no sistema de pitch, a metodologia estima o impacto direto na produção anual com base na norma IEC 61400-12-2, simulando a curva de potência do aerogerador.
Resultados que falam por si
Dois casos reais mostraram o poder dessa abordagem:
Caso WTG1 – Anomalia no pitch
- Diagnóstico: comportamento anômalo confirmado pelo modelo.
- Intervenção: correção nos atuadores e software.
- Resultado: ganho de 5,47% no AEP, equivalente a +329,7 MWh por ano ou cerca de R$ 100.000 em receita evitada.
Caso WTG2 – Erro no anemômetro
- Diagnóstico: o alarme no pitch foi causado por erro de medição do vento.
- Intervenção: correção no sensor de vento.
- Resultado: normalização dos modelos e KPIs de performance confiáveis novamente.
Por que isso importa para o setor?
Além de prevenir perdas financeiras, essa metodologia traz agilidade na manutenção, confiança nos indicadores de performance e padronização de análises mesmo em turbinas de diferentes fabricantes. E o melhor: com dados que já existem no SCADA.
Conclusão: IA na prática gera valor
Este é mais um exemplo de como a Delfos está na vanguarda da manutenção preditiva na energia eólica. Ao transformar dados em insights acionáveis, evitamos perdas, melhoramos a eficiência e apoiamos decisões com base em evidências.
Quer entender melhor como essa metodologia pode ser aplicada no seu parque? Fale com nossos especialistas ou leia o artigo completo apresentado no Brazil WindPower 2022 preenchendo o formulário abaixo.
Estudo apresentado por Nathianne Andrade na conferência Brasil WindPower 2022.
Agende uma reunião
Vamos nos conectar e criar novas parcerias
Custom Renewable Energy Solutions
Entre em contato conosco hoje mesmo para conversar sobre suas necessidades de energia renovável. Juntos, encontraremos a solução ideal para a sua empresa.