Introduce tu búsqueda a continuación y presiona el botón para obtener resultados.
En el origen de WindTurBars se encuentra la industria de energía eólica en Europa, con una necesidad de reducir la tasa de fallos del sistema eléctrico y el tiempo de inactividad correspondiente por defecto que contribuirá de manera significativa a la reducción global del coste de funcionamiento y mantenimiento asociado con aerogeneradores actuales y futuros.
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).
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 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, hasta el desarrollo del proyecto, 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.
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, 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.
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.
En su funcionamiento, 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.
