WTG Modelo Nordex: Transformando um Desvio Térmico em um Novo Modelo Preditivo

Em um aerogerador (Modelo Nordex N163) operado por um de nossos clientes parceiros, a operação começou a ser impactada por falhas intermitentes. A máquina passou a registrar um alto volume de ocorrências de falha de temperatura no conversor do sistema de Pitch 1.

Ao longo dos meses, essas falhas geram picos térmicos que alcançavam até 70 °C no componente, forçando a turbina a realizar paradas automáticas de proteção. 

Durante o ano de 2025, a persistência desse comportamento de superaquecimento e as repetidas indisponibilidades resultaram em uma perda acumulada de 50,6 MWh de energia frustrada.

Solução implementada 

Para isolar o problema e direcionar a equipe de campo com precisão, a Engenharia de Performance utilizou os módulos analíticos da plataforma:

• Mapeamento de Ofensores (Alarms Management): a ferramenta isolou o alarme PIT 1 PCV Temp failure (FM1120), que representava 87,5% das ocorrências no período analisado, confirmando-o como a causa raiz das paradas do ativo.
• Correlação Térmica (Data Studio): explorando as variáveis de temperatura dos conversores de pitch, a plataforma correlacionou visualmente os picos térmicos intermitentes de 70 °C (do Pitch 1) com os momentos exatos das paradas forçadas da máquina.
• Ação Direcionada em Campo: em 10 de setembro de 2025, munida do diagnóstico da Delfos, a equipe de manutenção inspecionou o sistema e encontrou a causa física do problema: o exaustor de resfriamento do Pitch 1 estava fisicamente obstruído por acúmulo de um pó branco. A equipe realizou a limpeza do sistema e a recolocação do ventilador, o que resultou em uma queda de temperatura.

Como a Delfos atuou

Este caso ilustra perfeitamente a aplicação prática de 2 importantes funcionalidades da plataforma Delfos no segmento eólico:

• Gerenciamento de Alarmes (Alarms Management): foi utilizado para identificar que o alarme FM1120 era o ofensor primário responsável por quase 90% das paradas.

Por que é importante: as turbinas eólicas geram milhares de alertas genéricos que demandam muito tempo para serem processados manualmente. O módulo da Delfos resolve isso ao classificar os eventos com base no seu impacto sobre a energia perdida devido aos tempos de inatividade. A partir dessa classificação (como a Análise de Pareto), o gestor de O&M ganha visibilidade instantânea e sabe exatamente onde deve concentrar seus esforços de manutenção, otimizando os recursos em campo.

• Predição de Falhas (Prediction Module): foi utilizado após o diagnóstico. A plataforma da Delfos usou os dados do evento para treinar um modelo de Machine Learning capaz de rastrear desvios de temperatura nos conversores de pitch e disparar alertas futuros.

‍

Por que é importante: a manutenção preditiva é o núcleo do Delfos Gen™. O módulo funciona aprendendo os comportamentos operacionais normais para cada componente, gerando um valor previsto ideal. O sistema calcula continuamente o erro entre os valores medidos e previstos e, se o limite predeterminado for excedido, é gerado um alarme de previsão. Essa tecnologia transforma a operação, permitindo atuar em anomalias (como a obstrução de um exaustor) de forma preventiva, evitando o tempo de inatividade prolongado e protegendo a receita do ativo.

Resultados alcançados 

A intervenção, pautada na inteligência de dados, converteu um problema crônico e intermitente em uma solução de manutenção simples e rápida:

1. Normalização Térmica: imediatamente após a limpeza e troca do filtro, a temperatura do conversor do Pitch 1 apresentou queda significativa, retornando a um patamar seguro (próximo a 40 °C) e alinhando-se aos níveis de temperatura das demais pás (Pitch 2 e 3).

2. Fim das Paradas Forçadas: a eliminação do superaquecimento cessou integralmente os eventos do alarme FM1120, estancando a fonte que já havia causado 50,6 MWh em perdas de produção naquele ano.
3. Desenvolvimento de Inteligência Contínua: utilizando este evento como base de aprendizado, o Time Delfos desenvolveu um modelo preditivo dedicado exclusivamente aos conversores de pitch. Este novo modelo agora monitora picos de temperatura e dispara alertas preditivos ao atingir um limite crítico, garantindo a antecipação de obstruções semelhantes em outras turbinas antes que gerem tempo de inatividade.

Dados principais

• 50,6 MWh foi a perda acumulada por paradas intermitentes, estancada após a manutenção.
• 87,5% de dominância do alarme térmico no Pareto, guiando o foco da equipe técnica.
• 70 °C eram os picos críticos de temperatura causados pela obstrução do exaustor.
• Prevenção Sistêmica: Criação de um novo algoritmo de predição específico para proteger conversores de pitch em toda a frota.