La digitalizzazione e l’analisi dei dati agevolano la diffusione dei parchi eolici offshore
Le tecnologie eoliche offshore saranno fondamentali per la transizione europea all’energia verde, che comprende obiettivi importanti per l’integrazione delle fonti di energia rinnovabile e la riduzione delle emissioni di CO2. Gli obiettivi fissati dall’UE prevedono di aumentare la capacità eolica offshore dal livello attuale di 12 gigawatt (GW) ad almeno 60 GW entro il 2030 e di arrivare a 300 GW entro il 2050. La massiccia implementazione di energie rinnovabili offshore aiuterà l’Europa a raggiungere i propri obiettivi di neutralità climatica entro il 2050, nonché a favorire la crescita economica e la creazione di posti di lavoro in tutti i segmenti della catena di approvvigionamento delle energie rinnovabili. Secondo l’Agenzia internazionale dell’energia, le aree di miglioramento più cruciali per stimolare la rapida implementazione della capacità eolica offshore sono miglioramento tecnologico e riduzione dei costi. Il progetto ROMEO, finanziato dall’UE, ha fornito un sistema di supporto alle decisioni per ridurre i costi di funzionamento e manutenzione avvalendosi di monitoraggio delle condizioni, apprendimento automatico e analisi basate su cloud.
La modellizzazione completa contribuisce al supporto decisionale avanzato
Il monitoraggio strutturale dei sistemi di energia eolica non è un’idea nuova. Tuttavia, secondo il coordinatore del progetto César Yanes di Iberdrola Renewable Energy, prima di ROMEO non veniva estratta gran parte delle informazioni e del valore contenuto nei dati provenienti dai sistemi di monitoraggio delle condizioni (CMS, Condition Monitoring System). L’ottimizzazione della modalità di raccolta e analisi dei dati si basa notevolmente sui modelli sottostanti che descrivono e prevedono accuratamente i comportamenti, nonché rilevano le anomalie, e i modelli rappresentano un risultato fondamentale del progetto. In fase di avvio del progetto, sono state sviluppate le analisi dei modi, degli effetti e della criticità dei guasti per fornire indicazioni sui guasti critici da valutare in base a costo, frequenza o integrità strutturale, oltre che a questioni di sicurezza. Gli scienziati del progetto hanno sviluppato modelli fisici e di apprendimento automatico per i principali componenti delle turbine (trasmissione, cuscinetto principale, generatore, trasformatore e convertitore dei cuscinetti delle pale) al fine di consentire il rilevamento, la diagnosi e la prognosi dei guasti in modo tempestivo. I modelli strutturali supporteranno inoltre la valutazione della tenuta e il rilevamento dei danni per le fondamenta delle turbine eoliche. Nonostante l’elevato livello di riservatezza necessario, la collaborazione nata nel progetto ROMEO ha portato allo sviluppo di modelli, funzionalità analitiche e casi d’uso al di là di quelli originariamente previsti. I modelli permettono di rilevare in anticipo i guasti, mentre le funzionalità analitiche aiutano il personale incaricato del funzionamento e della manutenzione a prendere decisioni migliori, abbassando i costi. Alcuni modelli sono già stati estrapolati per i parchi eolici onshore e il lavoro proseguirà nei prossimi mesi.
Dai dispositivi edge al cloud per poi tornare ai responsabili decisionali
Nell’ambito di questo progetto è stata sviluppata un’infrastruttura di dati completa per integrare le varie fonti di dati operativi provenienti da tre parchi eolici pilota: Wikinger in Germania, Teesside ed East Anglia ONE nel Regno Unito. «La nostra infrastruttura di dati assicura la compatibilità con i modelli che interpretano i dati, collegando al cloud di IBM il controllo di supervisione dei parchi eolici e i sistemi di acquisizione dei dati, i CMS e le altre fonti di dati, tra cui un dispositivo edge di recente sviluppo dotato di capacità di elaborazione. I modelli, operativi in ambiente cloud, forniscono i propri risultati a un’intuitiva piattaforma di gestione delle informazioni per migliorare il processo decisionale», spiega Yanes. Gli scienziati del progetto ROMEO si sono avvalsi di megadati, apprendimento automatico, cloud computing e dispositivi edge nell’ambito di un CMS di prossima generazione, dotato un’intuitiva piattaforma di gestione delle informazioni. Le tecnologie olistiche e gli strumenti analitici sosterranno la transizione da una manutenzione basata sul calendario e correttiva a quella su condizione, riducendo al tempo stesso il numero dei principali guasti imprevisti e garantendo una migliore pianificazione della logistica. I risultati preliminari suggeriscono notevoli riduzioni nei costi di funzionamento e manutenzione, il che dovrebbe stimolare la diffusione degli impianti producendo al contempo riduzioni nel costo dell’energia eolica per i clienti.
Parole chiave
ROMEO, cloud, parchi eolici, edge, CMS, apprendimento automatico, monitoraggio delle condizioni, megadati, funzionamento e manutenzione