WTURBO Gemelo digital del tren de potencia de aerogenerador
Tecnalia
Sector: Energía
Business Case
Los costes de operación y mantenimiento (O&M) representan del 25 al 35% del LCOE (Levelized Cost of Energy) de las turbinas eólicas. El mantenimiento correctivo es responsable del 30 al 60% de los costes de O&M. En este reto se plantea el desarrollo de un gemelo digital de los componentes eléctricos del tren de potencia de un aerogenerador doblemente alimentado. En este caso, eólica onshore. Mediante el gemelo digital se pueden generar datos sintéticos de fallo en diferentes condiciones de operación, y entrenar clasificadores de diagnóstico de los fallos en situaciones que aún no se han producido. El fallo que se diagnostica es el de refrigeración del generador eléctrico, con afección de temperatura en los devanados del estátor.
Objetivos
Caracterización y aprendizaje del comportamiento teórico y real de la máquina.
Identificación de los eventos de sobrecalentamiento de los devanados del estátor y análisis de la causa.
Diagnóstico de problemas en el sistema de refrigeración del generador.
Minimización de costes de mantenimiento.
Use case
La solución se basa en el diseño de una metodología para el desarrollo de gemelos digitales. Entendemos los gemelos digitales como modelos matemáticos que representan fenómenos físicos realimentados con datos de operación real. La mejora de dichos modelos físicos se logra mediante técnicas de optimización subrogada. Los modelos mejorados permiten simular escenarios en condiciones de normalidad y fallo y generar datos sintéticos. La generación de datos sintéticos se enriquece mediante modelos estadísticos u otras técnicas como la redes de generación adversaria (GAN). El clasificador de diagnóstico entrenado con datos reales de operación y sintéticos es fácilmente replicable mediante el aprendizaje transferido (Transfer Learning).
Infraestructura
Hibrida, On Premise, Cloud.
Tecnologías utilizadas
Machine Learning y Deep Learning.
RPA.
Datos utilizados
Datos estáticos de diseño del tren de potencia de aerogenerador. Series temporales de datos de operación de SCADA de turbinas eólicas con generador asíncrono doblemente alimentado (DFIG: Doubly-Fed Induction Generator).Series temporales de datos de temperatura de estátor del generador. Fallos etiquetados y acciones de mantenimiento referentes al sistema de refrigeración.
Recursos utilizados
Equipo multidisciplinar de: expertos de dominio (eólico, máquina eléctrica), expertos en Ciencia de Datos, Ingenieros de datos, conocimiento del modelo de negocio del mundo eólico.
Dificultades y aprendizaje
Disponibilidad de los datos de operación y de mantenimiento de turbina eólica, selección del fallo tipo en el que centrar el estudio/definición del caso de uso, la gestión del equipo multidisciplinar, diseño de la metodología de desarrollo del gemelo digital.
KPIs (impacto en el negocio y métricas del modelo)
KPIs validados en distintos parque eólicos de ENGIE:
OPEX: Reducción de los costes de mantenimiento a nivel de portfolio:5M€.
Diagnóstico: 10% de reducción de Falsos positivos. ADEMÁS facilita el troubleshooting (conocimiento causa-efecto fallo).
Precisión del Gemelo Digital (MAPE): Potencia Activa 2.33%, Corriente 2.66%, Temperatura bobinado estátor 4.33%.
Financiación
Colaboradores
ENGIE.
Desarrollo propio de TECNALIA (patentado). Está siendo transferido a varias empresas del sector.
