Cerca

Big Data & Analytics

Il monitoraggio intelligente
delle turbine eoliche

Monitoraggio intelligente

Grazie all’impiego di aerogeneratori più grandi della media, i parchi eolici offshore offrono un importantissimo contributo alla produzione di energia da fonti rinnovabili. Il problema, tuttavia, è che le manutenzioni programmate e l’assistenza tecnica di cui necessitano sono piuttosto lunghe ed estremamente costose, dal momento che la loro collocazione in alto mare li rende altamente complessi e difficili da raggiungere. Così, allo scopo di riconoscere in anticipo eventuali anomalie, una grande azienda energetica ha richiesto di poter determinare con precisione quali valori dei sensori rilevati sugli impianti fossero indicativi della normalità di una turbina. L’obiettivo era implementare un sistema di monitoraggio intelligente in grado di individuare rapidamente i problemi degli aerogeneratori presenti negli impianti e, in definitiva, ridurre guasti e tempi di fermo. Data Reply ha fornito l’architettura e curato la realizzazione del progetto. Il prodotto finale è un tool efficiente e mirato per i gestori dei siti, che nel frattempo è stato messo in funzione in 30 parchi eolici sia onshore sia offshore, mentre altri dovrebbero seguire in futuro.

Un settore con esigenze specifiche

Sebbene sul mercato esistano già numerosi strumenti per il monitoraggio dei dati dei sensori, spesso questi tool non sono abbastanza perfezionati per le esigenze e i requisiti, estremamente specifici, del settore dell’energia eolica. In questo campo, occorrono soluzioni intelligenti che, integrate dall’apprendimento automatico, si dimostrino idonee all’utilizzo in impianti complessi.

La sfida consisteva nelle peculiarità di comportamento che rendono unica ogni singola turbina, peculiarità imputabili sia alle differenze di configurazione sia agli effetti a catena. Perciò, il training dei modelli doveva essere svolto generatore per generatore. I dati dei sensori necessari a tal fine avrebbero dovuto essere quindi elaborati nel corso del progetto.


Predire la condizione

Per predire la condizione attesa di una turbina si utilizzano i cosiddetti random forest regressor models, una versione degli alberi decisionali più evoluta e meno incline all’overfitting.

Identificare anomalie

Tali modelli permettono di rilevare con grande precisione ogni scostamento dei dati reali dal valore previsto. Il cliente può così individuare facilmente, sulla propria dashboard, anche minime anomalie.

Agire nel cloud

Per sviluppare tale soluzione, gli esperti di Data Reply hanno fatto ricorso a tool open source, per eludere il pagamento di canoni di licenza. Tra questi, ad esempio, vi sono i cluster Spark on demand nel Azure Cloud.

Elaborazione automatica dei dati

Non appena è disponibile una quantità di dati sufficiente, un trigger automatico crea un cluster e subito dopo ha inizio l’elaborazione, anch’essa automatica. All’elaborazione fa seguito l’arresto del cluster, ottenendo così un elevato risparmio economico. Infatti, sebbene con Spark la soluzione sia attuabile come streaming job 24/7, è preferibile la variante “on demand batch job”, poiché si tratta di un cluster con una memoria principale di circa 2 TB che, in questo modo, può essere attivato per sole due o tre ore al giorno.

Riconoscere in anticipo i problemi delle turbine

Insieme al cliente, i data scientist e gli sviluppatori di Data Reply hanno realizzato una pipeline Spark altamente scalabile che, con l’ausilio di modelli addestrati di machine learning, individua i valori di misurazione dei sensori divergenti negli aerogeneratori. I risultati vengono rappresentati nel tool di monitoraggio per parchi eolici e forniscono input preziosi per i gestori dei siti che, d’ora in avanti, potranno identificare i problemi prima di incorrere in tempi di fermo prolungati. Attualmente, il progetto è in fase di perfezionamento e prevede l’introduzione di funzioni aggiuntive. Tra le caratteristiche già oggi presenti vi sono l’analisi vibrazionale, la categorizzazione dei tempi di fermo e la tracciabilità degli ordini di lavoro. Oltre all’ampliamento delle funzioni, è in programma anche la progressiva estensione del sistema ad altri parchi eolici.