Monitoreo de rendimiento mediante análisis Big Data

Presentación del tema: "Monitoreo de rendimiento mediante análisis Big Data"— Transcripción de la presentación:

1 Monitoreo de rendimiento mediante análisis Big Data
Ing. Andres Guggeri Ventus

2 Algunos planteos: Después de la puesta en marcha y medir la curva de potencia, ¿cómo sé si un año después el aerogenerador produce lo que debe producir? Aunque cumpla con la producción estimada, ¿Hay ineficiencias, podría estar generando aún más? ¿Cómo evalúo el efecto que tiene cada mantenimiento que realiza el fabricante sobre mi aerogenerador? ¿En cuáles aerogeneradores prestar especial atención en las inspecciones de final de garantía? Para empezar, nos realizamos los siguientes planteos

3 Posibles soluciones Volver a medir la curva de potencia.
Utilizar un LiDAR de góndola para evaluar los cambios en el rendimiento. Análisis de datos del SCADA. De 3 a 4 meses, costo alto, no permite detectar cambios inmediatos en el rendimiento. No detecta fechas de cambios de rendimiento; Avalado por la norma; Mejor solución para los aerogeneradores en garantía. 4-6 semanas, costo mediano, permite detectar cambios rápidamente; Avalado por DNVGL, RISO y otros consultores; Mejor solución para diferencias contractuales entre la propiedad y el fabricante. 1 semana, costo bajo, permite detectar cambios de rendimiento rápidamente y las fechas exactas cuando ellos ocurrieron; No avalado por la norma; Mejor solución para la propietarios de cada parque y para los parques fuera del periodo de garantía.

4 ¿Cómo evaluar la producción a partir de datos de SCADA?
Relación Potencia-Velocidad Filtrando los datos con alarmas, limitaciones de potencia, outliers, disponibilidad, direcciones, filtros personalizados … Obtenemos una dispersión importante en el scatter de Pot – Vel +/- 300 KW para la misma velocidad! Wind Speed [m/s]

5 Software Aplica 4 metodologías independientes para calcular 4 KPIs (Indicadores Claves de Rendimiento) Plataforma con Interfaz grafica de fácil configuración y utilización por parte del usuario Permite detectar fechas de cambios en el comportamiento y las diferencias energéticas (en +/- MWh) entre lo medido y lo modelado. En ventus trabajamos en un Proyecto en conjunto con la ANII, en el cual desarrollamos un software para procesar y analizar datos SCADA Aplica 4 metodologías independientes para calcular 4 KPIs (Indicadores Claves de Rendimiento) Plataforma con Interfaz grafica de fácil configuración y utilización Permite detectar fechas de cambios en el comportamiento, las magnitudes en MWh y el tiempo de afectación.

6 Software: cálculo de KPI’s
Residuos de potencia (modelo con Gaussian Process)  El modelo de GP necesita un periodo de entrenamiento. Compara modelo turbina vs medidas SCADA Cuantiles  Ordena series de potencia de los mismos bines de velocidad GP: 1 Se indican cuales son la variables de entrada y salida del modelo (en este caso velocidad y temperatura ambiente, potencia de salida) 2 En entrenamiento: Se calculan parámetros a partir de la realcion entre estas variables (parámetros determinan modelos) 3. Se realiza predicción de salida de potencia con modelo. Comparación  Residuos Se aprecia variabilidad de valores diezminutales CUANTILES: Se agrupan datos de todo el periodo de análisis por bin de velocidad (p ej. 0,1m/s). Se ordenan por potencia de mayor a menor. Se asigna valor (0 a 1) en función de posición en esta serie, ‘cuantil’. Se grafica posición a lo largo del tiempo. Buscamos independencia de la velocidad. Promedios en subperiodos (línea roja) Promedio ponderado (línea negra) suaviza aun mas la variablidad

7 Software: cálculo de KPI’s
Evolucion curvas potencia  Se calculan curvas P-v ‘autocurvas’ en períodos de duración determinada por usuario, y evaluan posición de las curvas Indicador ‘Degradacion’  Calcula y monitorea el segundo valor propio asociado al scatter Potencia- velocidad HEALTH: se calcula segundo valor propio. direcciones propias (donde dispersión de puntos presenta mayor variacion). Sentido flechas verde (1 direccion), roja (2ª direccion). Esa es la que calculamos y monitoreamos evolucion COM CURVAS: Rojo: mide cuántas curvas están ´por encima´ de la actual, considerando todo las demás curvas y un rango de velocidad determinado. Valor 1muchas curvas por arriba la actual corresponde a un periodo de menor rendimiento. Valor 0  lo opuesto Azul: Entre cuantos pares de curvas se encuentra la actual. 1 estoy entre todos los demas pares de curvas, 0 no estoy entre ningun par de curvas. Para detector curvas que son distintas al ‘promedio’. Curvas potencia: oscuras, mas antiguas, claras, mas recientes.

8 Software: cálculo de KPI’s
LOS INDICADORES COMPARAN EL FUNCIONAMIENTO DEL AEROGENERADOR CON SÍ MISMO ! (En períodos diferentes) Cambios repentinos se detectan generalmente por las 4 metodologías.

9 ¿Y a qué se deben estos cambios?
Las razones del cambio de comportamiento se investigan en detalle junto con el equipo de O&M previo y cerca a esa fecha detectada por el software. Posibles razones de cambio de rendimiento son: mantenimientos, deterioro o falla de un componente principal como rodamiento, caja multiplicadora o palas, mal medición de un anemómetro.

10 Ejemplos de aplicación en aerogeneradores en Uruguay

11 Ejemplo 1 Cambio de rodamiento de una pala en Junio 2015
Entre el 1 de Julio y el 15 de Marzo 2018 (2 años y 9 meses) se calcula una diferencia de producción de MWh en 1 aerogenerador Nuevo rendimiento Cambio en KPI Entrenamiento Se ven 2 ‘zonas’

12 Ejemplo 2 Cambio de software
Entre el 13 de Octubre y el 1 de Septiembre se calcula una diferencia de producción de MWh en 1 aerogenerador Nuevo rendimiento Cambio en KPI Entrenamiento

13 Ejemplo 3 Tendencia a caída en el rendimiento. Fin Octubre Daño en una pala. Desde la fecha a fin del periodo, se estiman unos -300 MW.h Cambio en KPI Entrenamiento

14 Problemas en anemómetro, abril de 2016, duración 3 meses y medio
Problemas en anemómetro, abril de 2016, duración 3 meses y medio. Se calcula una diferencia de +250MWh (+70MW.h/mes) en ese período Ejemplo 4. Cambio en KPI Cambio en KPI Entrenamiento Nuevo rendimiento

15 Ejemplo 5 Tendencia a caída en el rendimiento. Posible causa: Mantenimiento entorno a fechas de cambio Entre el 1 de Enero del y el 1 de Mayo del se calcula una diferencia de MWh en 1 aerogenerador Nuevo rendimiento Cambio en KPI Entrenamiento

16 Resumen aplicaciones Monitoreo del rendimiento
Identificación de aerogeneradores Estimación de la energía ganada/ perdida Efecto de mantenimientos Identificación de los aerogeneradores para estudiar en especial detalle durante inspecciones de fin de garantía. Monitoreo mensual o semestral del rendimiento de los aerogeneradores en el tiempo con el fin de identificar los cambios en su comportamiento, permite enfocarse en investigar posibles casusas y planificar las acciones preventivas. Visualización del efecto de diferentes mantenimientos sobre el rendimiento. Estimación de la energía ganada o perdida como consecuencia de cada mantenimiento o cambio del software

17 Gracias!