ANTECEDENTES:
Actualmente os parques eólicos pertencen na súa gran maioría a empresas/sociedades explotadoras que normalmente non gardan relación cos fabricantes de turbinas eólicas. Estas organizacións estanse a encontrar cunha serie de problemas, relacionados con demoras e perdas de dispoñibilidade, debidos ás actuacións de mantemento correctivo realizadas nos aeroxeradores. Entre esta problemática destaca:
- A información proporcionada polo aeroxerador non é suficiente para coñecer o estado dos principais compoñentes que o integran, provocando que a miúdo se presenten avarías inesperadas
- O soporte prestado polos fabricantes non sempre ten a calidade e rapidez desexable dende o punto de vista do mantedor
- Nas actuacións correctivas, os compoñentes a substituír adoitan ser difíciles de obter, con tempos de subministración elevados, provocando que o aeroxerador quede inoperativo durante ese período
- Os aeroxeradores instalados nun parque poden proceder de diversos fabricantes. Non hai polo tanto unha homoxeneidade nas súas especificacións, compoñentes e tarefas de mantemento
OBXECTIVO:
O obxectivo deste proxecto é o desenvolvemento e validación dunha tecnoloxía para a xestión integrada do diagnóstico e análise de sistemas en aeroxeradores. O sistema, mediante un módulo intelixente de predición, e a través dun conxunto de datos históricos e actuais dos parámetros monitorizados, realiza un prognóstico do estado dos elementos.
Predicir os fallos con maior antelación ten como consecuencia unha redución nos custos de mantemento e operación dos aeroxeradores,e por suposto, incrementa a súa dispoñibilidade, a cal se ve minguada debido aos tempos de espera dende a aparición dun fallo non previsto ata a substitución do compoñente danado. Outros dos factores importantes do proxecto é que permite a supervisión remota e automática dos compoñentes monitorizados e proporciona abundante información relativa ao funcionamento destes.
FUNCIONAMENTO:
O sistema primeiramente efectúa unha adquisición dos sinais analóxicos procedentes dos sensores de diferentes tipos: acelerómetros e tacómetros, situados no tren de potencia (eixe lento, rodamento principal, multiplicadora e xerador). Posteriormente, a información é procesada, rexistrándose os resultados. Ademais, o sistema permite funcionar de modo autónomo, a comunicación externa para labores de control remoto das aplicacións que nel se executan e a verificación do seu estado e dos sensores conectados a el.
O sistema desenvolveuse cunha arquitectura en niveis, operando cada un deles de modo independente. A comunicación entre eles realízase mediante protocolo TCP/IP. A descrición e funcións de cada nivel son as seguintes:
- Nivel físico: Constituído polos equipos de adquisición de sinais e os sensores captadores dos parámetros físicos utilizados para tratar de verificar o estado dos compoñentes monitorizados.
- Nivel de procesamento. Neste nivel impleméntase se os módulos de software encargados de procesar os sinais de vibracións “en cru” procedentes do equipo de adquisición. Utilízase o NIN LabVIEW Sound and Vibration Analysis Toolkit, extraéndose de cada un dos sinais información característica dos compoñentes sensorizados. Posteriormente, os resultados son volcados a unha base de datos para o seu emprego nos seguintes niveis.
- Nivel de transporte. Aquí encádrase todo o relacionado coas comunicacións entre o equipo de adquisición de datos e os módulos de proceso, e entre estes e a base de datos onde se almacenan os resultados. A rede emprega protocolo TCP/IP.
- Nivel de análise e diagnóstico: Formado por tres módulos de procesamento baseados en intelixencia artificial.
- Módulo de prognóstico: É o encargado de realizar estimacións dos valores futuros dos sinais que están a ser monitorizados co obxectivo de predicir o comportamento do sistema. Emprega técnicas de intelixencia artificial que determinan o estado en tempo real de cada un dos elementos.
- Modulo de detección: Sobre este módulo recae a misión de determinar o estado actual e futuro dos compoñentes analizados. O método emprega unha rede de neuronas con alimentación cara adiante con estrutura de autocodificador. Neste caso só se dispoñen, a priori, de datos de comportamento normal, e o obxectivo é modelizar este comportamento e detectar datos que se saian do patrón habitual. Posteriormente, disponse dun estimador da función de densidade do comportamento normal e doutros tres estados que representan situacións anómalas (fallo leve, grave, moi grave) que servirán de referencia para comparar datos futuros do sistema e establecer a distribución á que pertencen. Finalmente, unha unidade de determinación de estado baseada na aplicación dun test estatístico secuencial, obtén a probabilidade de que o sistema se encontre en cada un dos estados contemplados.
- Módulo de diagnóstico: Establece a natureza do fallo ou da anomalía detectada mediante o estudo e análise dos síntomas e signos observados. Para iso empréganse sistemas de coñecemento baseados en regras que permiten explicitar o coñecemento experto.
METODOLOXÍA / FASES DO PROXECTO:
- Definición de requisitos previos e compoñentes do sistema.
Nesta etapa determináronse os elementos a monitorizar dos aeroxeradores, os tipos de fallos a contemplar, a localización máis idónea dos sensores, o tipo de sensores e o hardware e software a utilizar. - Deseño dos módulos de adquisición e almacenamento de datos
- Montaxe de módulos de adquisición
- Instalación dos equipos nos aeroxeradores do Parque Eólico Sotavento.
Instalación de sensores, módulos de adquisición e equipos informáticos para a captación de datos nos aeroxeradores AE01, AE05, AE09, AE13 e AE20 do Parque Eólico Sotavento. Probas de campo para confirmar a idoneidade dos equipos. - Integración dos equipos coa rede de comunicacións do parque
- Deseño e instalación do servidor central
- Rexistro e monitorización de datos
- Desenvolvemento do sistema de predición intelixente AEROGIDAS
- Probas de campo, ensaio e validación do equipo e sistemas
ENTIDADES PARTICIPANTES:
- INDRA Sistemas
- Parque Eólico Experimental Sotavento Galicia
- UDC (Universidade Da Coruña), Laboratorio de I+D de intelixencia artificial (LIDIA)
SITUACIÓN ACTUAL:
Realizado.
