Aprendizaje automático, inteligencia artificial al servicio de las energías renovables

Aprendizaje automático, inteligencia artificial al servicio de las energías renovables
TABLA DE CONTENIDO
Harnessing the Power of Nature
Text Link
Text Link
Text Link

Aprendizaje automático, inteligencia artificial al servicio de las energías renovables

Por Fernando Heredia — Fuente: Energía en línea

Esta es una herramienta utilizada en todo el mundo que está empezando a instalarse en Argentina. Puede predecir fallas en los equipos y aumentar la generación del parque en más de un 2%.

Estamos en el sistema operativo de Genneia. Patricio Neffa, director de Innovación, Desarrollo y Gestión de Proyectos, coge una de las 236 turbinas que funcionan en los diferentes parques eólicos del país y comienza a comprobar sus signos vitales: el sistema del grupo hidráulico, el regulador de inclinación, el multiplicador, el generador y el transformador, como si fuera un médico que examinaba a su paciente.

Mientras examina los datos, explica: «Desde aquí, Olivos, puedo monitorear, operar y supervisar todo lo que sucede en todas nuestras plantas del país y, si lo deseo, puedo encender y apagar los interruptores con solo un clic y controlar el funcionamiento de nuestra planta, que está a unos 1200 km de distancia».

Sin embargo, esta herramienta SCADA avanzada e independiente, que utilizan muy pocas empresas argentinas, aún requiere un procesamiento complejo de toda esta información, lo que impide la automatización necesaria para tomar decisiones clave que anticipen las frecuentes fallas de las máquinas. Este problema se ha profundizado en Argentina debido a su ubicación remota y a sus obstáculos para importar algunas piezas.

[Genneia y PAE inauguraron el Parque Eólico Chubut Norte III]

A veces, la sustitución de una pieza de repuesto puede tardar unos cuatro meses entre el momento en que se autoriza la importación, el barco llega desde Europa o China, la aduana aprueba el permiso y se envía a la Patagonia. Todo un período en el que ese panel o fábrica no pudo generar energía y causó una pérdida significativa de ingresos.

«La persona que se ponga en mi lugar debe controlar 617 MW de energía eólica operativa, lo que equivale a 236 turbinas, más 280 mil paneles solares, 6 turbinas de gas, 11 inversores, estaciones de conmutación y muchas otras cosas. Es como tener una enorme flota de coches de diferentes marcas y modelos para hacer el trabajo. No es lo mismo. Y además de eso, los tienes a 1200 km. Todo esto se suma a una complejidad muy importante de resolver», grafica Patricio.

«El aprendizaje automático puede aumentar la generación de un parque en un 2%, lo que podría representar entre 350 000 y 500 000 dólares adicionales al año».

Por eso, en Genneia, este año se ha iniciado una prueba piloto para incorporar el aprendizaje automático, la tecnología que está revolucionando la gestión de parques renovables en los países más desarrollados.

«El aprendizaje automático significa enseñar a una máquina o algoritmo a realizar tareas. La diferencia entre el paradigma tradicional y el aprendizaje automático es que nunca le diremos a la computadora exactamente qué hacer. Dejaremos que descubra patrones o le daremos muestras de lo que queremos», explica a EOL Tomás Criado, director ejecutivo de Epical y miembro de la junta directiva de Atome, uno de los proveedores argentinos de herramientas de aprendizaje automático.

Para dar una idea del impacto que el aprendizaje automático puede tener en la industria, Atome estima que, gracias a las previsiones eólicas, la prevención de fallos y la optimización del mantenimiento, el aprendizaje automático puede aumentar la generación de un parque eólico en un 2% «con un criterio conservador» que, para un parque de 100 MW y un factor de carga del 50%, representaría un ingreso adicional de entre 350 000 y 500 000 dólares al año.

[La generación mediante energía renovable alcanzó un crecimiento interanual del 52%]

En Genneia, el valor añadido de esta tecnología, desarrollada por la empresa Isótrol, se mide como «pérdida de producción evitada», es decir, la posibilidad de evitar pérdidas de producción debidas a equipos inactivos. Si durante este período de inactividad se asume que los recursos eólicos o solares son suficientes, se podrían ahorrar entre un 2,5% y un 3,5% de la producción anual de energía en pérdidas. «Hemos comprobado que en un año y medio recuperamos la inversión realizada en la incorporación de esta herramienta. Durante los 20 años de vida útil de un parque eólico, traducidos en valor monetario, los beneficios son de millones de dólares», afirma Neffa.

Centro de Control de Genneia (fuente: Energía Online)

Y añade: «Es la primera vez que se hace esto en el país. Somos de los pocos que tenemos un SCADA independiente para gestionar los activos renovables y prácticamente los únicos que utilizamos las herramientas de gestión de activos digitales con aprendizaje automático de este SCADA. El proyecto piloto de Madryn tuvo mucho éxito (con una recuperación de energía del 0,5%, o el equivalente al 9,6%, se evitó la pérdida de producción) y ahora tenemos que aplicarlo a todos los activos de la empresa».

¿Cómo funciona el aprendizaje automático?

El análisis avanzado de datos mediante la aplicación de técnicas de Machine Learning permite tratar un enorme volumen de datos, procesarlos en tiempo real y generar información para tomar una decisión que anticipe una falla. Para ello, los algoritmos comparan el rendimiento operativo de un panel solar o un aerogenerador con el patrón de funcionamiento normal, detectando las desviaciones e indicando al operador las causas probables.

[Redes inteligentes, las redes del futuro ya están de moda en el mundo]

Neffa afirma: «La herramienta aprenderá de los patrones de comportamiento y señalará las desviaciones sin que tengas que revisar cada una de las etapas. Te indica dos causas posibles y genera una recomendación con una probabilidad del 80%». Además, enumera algunos de los problemas más frecuentes que se pueden detectar antes de que afecten a la producción eléctrica, como son el bloqueo del rastreador, el sobrecalentamiento de un generador o la suciedad en los paneles.

La importancia de la previsión meteorológica

Antes de construir un parque eólico, los generadores instalan torres de medición eólica de 80/120 metros para realizar estudios durante uno o dos años y comprobar el potencial del recurso a medio y largo plazo. Pero una vez que el parque está en funcionamiento, trabajan con pronósticos meteorológicos de cuatro a cinco días que proporcionarán información clave para combinarla con las herramientas de aprendizaje automático.

«Tenemos un grado de fiabilidad del 95% para los próximos tres días y del 90% para los próximos cinco. Y si, en combinación con el aprendizaje automático, ya sabes cómo funcionan las turbinas, se convierte en una enorme herramienta de previsión de generación. Se trata de datos vitales que nos permiten saber cuánta energía vamos a generar y nos proporcionan una excelente previsión financiera», asegura Genneia.

Al mismo tiempo, conocer el momento preciso en el que el viento no soplará, le brinda la posibilidad de planificar, en el momento adecuado, la reparación de aquellas máquinas en las que el aprendizaje automático detectó fallas. De esta forma, no se desperdician horas de producción. Como el viento fluctúa y en un mismo día puede haber picos y mínimos, la forma más eficiente es aprovechar los valles para dejar una máquina fuera de servicio.

Contenidos relacionados
No se ha encontrado ningún artículo.
No items found.