Síguenos en Facebook
Síguenos en Twitter

AEROGIDAS. Mantenimiento predictivo en aerogeneradores

ANTECEDENTES:


Actualmente los parques eólicos pertenecen en su gran mayoría a empresas/sociedades explotadoras que normalmente no guardan relación con los fabricantes de turbinas eólicas. Estas organizaciones se están encontrando con una serie de problemas, relacionados con demoras y pérdidas de disponibilidad, debidos a las actuaciones de mantenimiento correctivo realizadas en los aerogeneradores. Entre esta problemática destaca:

  • La información proporcionada por el aerogenerador no es suficiente para conocer el estado de los principales componentes que lo integran, provocando que a menudo se presenten averías inesperadas
  • El soporte prestado por los fabricantes no siempre tiene la calidad y rapidez deseable desde el punto de vista del mantenedor
  • En las actuaciones correctivas, los componentes a sustituir suelen ser difíciles de obtener, con tiempos de suministro elevados, provocando que el aerogenerador quede inoperativo durante ese período
  • Los aerogeneradores instalados en un parque pueden proceder de diversos fabricantes. No hay por tanto una homogeneidad en sus especificaciones, componentes y tareas de mantenimiento

OBJETIVO:


El objetivo de este proyecto es el desarrollo y validación de una tecnología para la gestión integrada del diagnóstico y análisis de sistemas en aerogeneradores. El sistema, mediante un módulo inteligente de predicción, y a través de un conjunto de datos históricos y actuales de los parámetros monitorizados, realiza un pronóstico del estado de los elementos.

Predecir los fallos con mayor antelación tiene como consecuencia una reducción en los costes de mantenimiento y operación de los aerogeneradores, y por supuesto, incrementa su disponibilidad, la cual se ve mermada debido a los tiempos de espera desde la aparición de un fallo no previsto hasta la sustitución del componente dañado. Otros de los factores importantes del proyecto es que permite la supervisión remota y automática de los componentes monitorizados y proporciona abundante información relativa al funcionamiento de los mismos.

FUNCIONAMIENTO:


El sistema primeramente efectúa una adquisición de las señales analógicas procedentes de los sensores de diferentes tipos: acelerómetros y tacómetros, ubicados en el tren de potencia (eje lento, rodamiento principal, multiplicadora y generador). Posteriormente, la información es procesada, registrándose los resultados. Además, el sistema permite funcionar de modo autónomo, la comunicación externa para labores de control remoto de las aplicaciones que en él se ejecutan y la verificación de su estado y de los sensores conectados a él.

El sistema se ha desarrollado con una arquitectura en niveles, operando cada uno de ellos de modo independiente. La comunicación entre ellos se realiza mediante protocolo TCP/IP. La descripción y funciones de cada nivel son las siguientes:

  • Nivel físico: Constituido por los equipos de adquisición de señales y los sensores captadores de los parámetros físicos utilizados para tratar de verificar el estado de los componentes monitorizados.
  • Nivel de procesamiento. En este nivel se implementan los módulos de software encargados de procesar las señales de vibraciones “en crudo” procedentes del equipo de adquisición. Se utiliza el NI LabVIEW Sound and Vibration Analysis Toolkit, extrayéndose de cada una de las señales información característica de los componentes sensorizados. Posteriormente, los resultados son volcados a una base de datos para su empleo en los siguientes niveles.
  • Nivel de transporte. Aquí se encuadra todo lo relacionado con las comunicaciones entre el equipo de adquisición de datos y los módulos de proceso, y entre estos y la base de datos donde se almacenan los resultados. La red emplea protocolo TCP/IP.
  • Nivel de análisis y diagnóstico: Formado por tres módulos de procesamiento basados en inteligencia artificial.
    • Módulo de pronóstico: Es el encargado de realizar estimaciones de los valores futuros de las señales que están siendo monitorizadas con el objetivo de predecir el comportamiento del sistema. Emplea técnicas de inteligencia artificial que determinan el estado en tiempo real de cada uno de los elementos.
    • Modulo de detección: Sobre este módulo recae la misión de determinar el estado actual y futuro de los componentes analizados. El método emplea una red de neuronas con alimentación hacia adelante con estructura de autocodificador. En este caso sólo se disponen, a priori, de datos de comportamiento normal, y el objetivo es modelizar este comportamiento y detectar datos que se salgan del patrón habitual. Posteriormente, se dispone de un estimador de la función de densidad del comportamiento normal y de otros tres estados que representan situaciones anómalas (fallo leve, grave, muy grave) que servirán de referencia para comparar datos futuros del sistema y establecer la distribución a la que pertenecen. Finalmente, una unidad de determinación de estado basada en la aplicación de un test estadístico secuencial, obtiene la probabilidad de que el sistema se encuentre en cada uno de los estados contemplados.
    • Módulo de diagnóstico: Establece la naturaleza del fallo o de la anomalía detectada mediante el estudio y análisis de los síntomas y signos observados. Para ello se emplean sistemas de conocimiento basados en reglas que permiten explicitar el conocimiento experto.

METODOLOGÍA / FASES DEL PROYECTO:


  1. Definición de requisitos previos y componentes del sistema.
    En esta etapa se determinaron los elementos a monitorizar de los aerogeneradores, los tipos de fallos a contemplar, la localización más idónea de los sensores, el tipo de sensores y el hardware y software a utilizar.
  2. Diseño de los módulos de adquisición y almacenamiento de datos
  3. Montaje de módulos de adquisición
  4. Instalación de los equipos en los aerogeneradores del Parque Eólico Sotavento.
    Instalación de sensores, módulos de adquisición y equipos informáticos para la captación de datos en los aerogeneradores AE01, AE05, AE09, AE13 y AE20 del Parque Eólico Sotavento. Pruebas de campo para confirmar la idoneidad de los equipos.
  5. Integración de los equipos con la red de comunicaciones del parque
  6. Diseño e instalación del servidor central
  7. Registro y monitorización de datos
  8. Desarrollo del sistema de predicción inteligente AEROGIDAS
  9. Pruebas de campo, ensayo y validación del equipo y sistemas

ENTIDADES PARTICIPANTES:


  • INDRA Sistemas
  • Parque Eólico Experimental Sotavento Galicia
  • UDC (Universidade Da Coruña), Laboratorio de I+D de inteligencia artificial (LIDIA)

SITUACIÓN ACTUAL:


Actualmente nos encontramos en la fase final del proyecto, pruebas de campo y ensayo. Los equipos están adquiriendo datos desde las máquinas del Parque Eólico Experimental Sotavento, llevando a cabo la validación de los resultados obtenidos y retroalimentación para la optimización del sistema. El proyecto concluye a mediados del año 2013.