Windturbars, mantenimiento predictivo de aerogeneradores plantados en el mar

El proyecto europeo Windturbars ha cumplido su objetivo de desarrollar y construir un sistema de sensorización y monitorización destinado al mantenimiento predictivo del sistema eléctrico para aerogeneradores instalados en el mar (‘off-shore’). Entre los nueve socios de cinco países de este proyecto, que cuenta con financiación del VII Programa Marco de la UE, se encuentra Itainnova.

Aerogeneradores en una imagen de archivo.
Windturbars, mantenimiento predictivo de aerogeneradores plantados en el mar
Itainnova

Detener la actividad de un parque eólico para realizar labores de mantenimiento o por la aparición de un fallo es una situación que se trata de evitar a toda costa. Pero cuando el parque eólico está instalado en el mar, el mantenimiento de los aerogeneradores, denominados ‘off-shore’, es especialmente costoso y difícil de planificar. En muchos casos, es necesario acceder con helicópteros y las condiciones climatológicas son especialmente duras.


El pasado mes de diciembre se realizaron en el nuevo laboratorio de electrónica de potencia del Instituto Tecnológico de Aragón (Itainnova) las pruebas finales de validación de un sistema de sensorización y monitorización destinado al mantenimiento predictivo en los componentes del sistema eléctrico de un aerogenerador tipo ‘off-shore’. Su desarrollo y construcción es el fruto de dos largos años de intenso trabajo en el marco del proyecto europeo Windturbars.


El interés por parte del mercado de la energía eólica por incorporar estas tecnologías de mantenimiento predictivo "es sustancial, dado que los fallos eléctricos en los aerogeneradores tienen un gran impacto en su rendimiento", señala Mateo Iglesias, de la División de Sistemas Industriales de Itainnova y responsable del proyecto Windturbars en este centro. "Hasta ahora, de manera general, el mantenimiento predictivo se orientaba a fallos mecánicos, pero en el proyecto Windturbars le hemos dado un nuevo enfoque, diagnosticando los distintos componentes eléctricos del aerogenerador", precisa.


Debido a la climatología adversa, los componentes del sistema eléctrico de un generador tipo ‘off-shore’ sufren un mayor desgaste que en otros entornos, por lo que es necesario prestar una mayor atención al mantenimiento para minimizar los fallos de funcionamiento y, así, reducir el número de paradas en la generación eléctrica.


La gran ventaja que ofrece esta metodología, explica, "es que nos anticipamos al fallo catastrófico. Una vez detectada la degradación anómala en un componente, se activan las tareas de mantenimiento que evitarán que dicho fallo aparezca. Dado que la degradación es progresiva, las tareas de mantenimiento se pueden encajar dentro de otros mantenimientos periódicos ya planificados".


Desde Itainnova, los mayores retos tecnológicos afrontados "han sido principalmente en dos áreas. La primera, centrada en el ámbito de la electrónica de potencia, donde se ha abordado el gran reto de tener un tren de potencia operativo para poder realizar la validación del sistema. Para ello ha sido necesario combinar técnicas de simulación, de programación, procesado de señal y, finalmente, implementación hardware, todo en ello en un plazo temporal muy ajustado". En la segunda área, "se ha trabajado en conseguir migrar técnicas de predicción aplicadas en ámbitos logísticos y llevarlas a una aplicación tan distinta como es el ámbito de diagnosis de fallos eléctricos". Esto se ha conseguido "gracias al carácter interdisciplinar de nuestro instituto". De hecho, en este proyecto han participado también ingenieros de la División de Sistemas Industriales y de la División de Logística.


Cómo funciona


Pero ¿qué es lo que detectan para poder avisar, anticipadamente, de que va a producirse un fallo? Iglesias explica que "detectamos patrones que aparecen en las señales eléctricas de los elementos principales que componen el aerogenerador cuando se van degradando progresivamente. Básicamente, analizamos en el dominio del tiempo y de la frecuencia señales eléctricas procesadas".


Una de las novedades del algoritmo desarrollado para el análisis de los datos es la capacidad del sistema para realizar un proceso de autoaprendizaje con el fin de poder basar la toma de decisiones acerca de la presencia o no de un patrón de fallo según el histórico de datos. Esto permite adaptar el sistema de detección de forma óptima e individual a cada aerogenerador. El sistema ha sido generado utilizando dos desarrollos de Itainnova: la herramienta Moriarty, para el desarrollo de herramientas en big data e inteligencia artificial, y Kajal, para caracterizar el comportamiento de los sistemas a partir del análisis de los datos.


Una vez acabado el proyecto, con la validación en laboratorio, el siguiente paso sería "realizar la validación del sistema instrumentando distintos aerogeneradores en un parque eólico", señala Iglesias. Además, "dado que la tecnología desarrollada es perfectamente adaptable y configurable, se podría destinar también a aerogeneradores tipo ‘on-shore’ (situados en tierra firme)", concluye.