Después de monitorizar más de 300.000.000 horas operacionales en diferentes parques instalados en Europa, el equipo de análisis predictivo de NEM Solutions, observó que el mix de aerogeneradores instalados incluyen tres tipos de tecnologías, que proporcionan una variedad muy diferente de variables de SCADA que pueden ser utilizadas para la gestión de grandes datos e implementación de servicios de análisis predictivo. Mix de aerogeneradores en Europa 1ª generación (<1 MW) (20-80 variables) (46%) • Desde la regulación de potencia por pérdidas aerodinámicas (stall) a la velocidad variable limitada. • Sin convertidores de potencia. • Cuentan con pocas señales de medición. • Aerogeneradores con diámetro de rotor pequeño (30-60 m). • Aerogeneradores con puesta en servicio entre 15-20 años. • Normalmente son máquinas asíncronas con 1 ó 2 velocidades en el generador. 2ª generación (1-2 MW) (45-130 variables) (44%) • Regulación de potencia desde velocidad limitada a velocidad variable. • Cuentan con convertidor de potencia parcial y algunas con convertidor completo. • Cuentan con un número mayor de señales de medición por subsistema. • Aerogenerador con diámetro de rotor mediano (80-100 m) • Aerogenerador con puesta en servicio entre 1015 años. • Máquinas asíncronas con velocidad variable. • Máquinas síncronas (algunas con acoplamiento directo, sin multiplicadora). 3ª generación (>2 MW) (45-130 variables) (10%) • Mayor diámetro de rotor y capacidad de generación de potencia por aerogenerador. • Todas cuentan con regulación de potencia variable. • Tendencia por el convertidor de potencia completo. • Algunos subsistemas incrementan y otros excluyen sensores de medición. • Aerogenerador con diámetro de rotor mediano a grande (90-120 m). • Menos de 10 años de puesta en servicio. • Máquinas asíncronas con velocidad variable. After having monitored more than 300,000,000 operating hours in different wind farms installed in Europe, the predictive analytics team from NEM Solutions observed that the mix of installed wind turbines include three types of technologies with a very wide range of SCADA variables that can be used to manage big data and to implement predictive analytics services. Wind turbine mix in Europe 1st generation (<1 MW) (20-80 variables (46%) • From power regulation due to aerodynamic losses (stall) to limited variable speed. • No power converters. • Have only a few measurement signals. • Wind turbines with a small rotor diameter (30-60 m). • Wind turbines commissioned 15-20 years ago. • Usually asynchronous machines with 1 or 2 generator speeds. 2nd generation (1-2 MW) (45-130 variables (44%) • Power regulation from limited to variable speed. • Have partial power converter and some with full converter. • Offer a larger number of measurement sensors per subsystem. • Wind turbine with a medium rotor diameter (80-100 m) • Wind turbine in operation 10-15 years. • Asynchronous machines with variable speed. • Synchronous machines (some with direct coupling, no gearbox). CALIDAD DE DATOS DE AEROGENERADORES, ¿ES SUFICIENTE PARA UN SERVICIO PREDICTIVO DE CONFIANZA? El uso de tecnologías digitales como la computación en la nube (Cloud Computing), la gestión distribuida de los recursos energéticos, gestión de grandes datos (Big Data) y análisis predictivo (Predictive Analytics) están cambiando el statu quo del mercado energético y cada vez más operadores de parques eólicos comienzan a implementar estas técnicas para el control de sus costes. ¿Pero podríamos decir que la calidad de la información que recibimos de los aerogeneradores es la suficiente para implementar estas técnicas? WIND TURBINE DATA QUALITY: SUFFICIENT FOR A RELIABLE PREDICTIVE SERVICE? The use of digital technologies such as cloud computing, the distributed management of energy resources, big data management and predictive analytics are changing the status quo of the energy market and an increasing number of wind farm operators are starting to implement these techniques to control their costs. But is the quality of the information received from the wind turbines sufficient in order to apply these techniques? Eólica | Wind Power www.futurenergyweb.es 20 FuturEnergy | Noviembre November 2018
RkJQdWJsaXNoZXIy Njg1MjYx