Un gruppo di ricercatori della Vrije Universiteit Brussel ha messo a punto un sistema automatizzato di diagnosi e previsione dei malfunzionamenti precoci nei componenti eolici
Nessuna macchina è infallibile. Neppure gli aerogeneratori. Ma più la tecnologia diventa grande e potente (e in alcuni casi si allontana in mare aperto), più la manutenzione straordinaria sale di costo. Ecco perché oggi risulta ancora più essenziale adottare strumenti di previsione per i guasti delle turbine eoliche, che riducano le spese extra.
Strumenti come quello messo a punto da un gruppo di ricercatori della Vrije Universiteit Brussel, in Belgio. Il team, guidato dal dott. Xavier Chesterman, ha realizzato un sistema automatizzato di diagnosi e previsione capace di individuare in maniera precoce i malfunzionamenti dei componenti eolici. Come? Attraverso sensori, analisi di big data e programmi di intelligenza artificiale.
I guasti delle turbine eoliche
La soluzione potrebbe dare una mano soprattutto agli aerogeneratori lontani dalla costa, dove gli interventi risultano più complessi. Una ricerca di settore datata 2015 ha analizzato circa 350 aerogeneratori offshore in tutta Europa con un’età compresa tra 3 e 10 anni e con potenze nominali comprese tra 2 e 4 MW. Scoprendo così che ogni turbina subisce in media 8,3 guasti l’anno. E che alcuni componenti (soprattutto le parti mobili) risultano più suscettibili ai difetti e alla rottura.
Tuttavia che si tratti di turbine in mare o a terra, riuscire a prevedere tali problemi rappresenta ancora una sfida aperta. “Una metodologia utile dovrebbe essere in grado di rilevare diversi tipi di guasti prima che si verifichino effettivamente”, sottolinea Chesterman sul sito dell’ateneo. “Non dovrebbe solo riconoscere quando un componente inizia a lavorare in modo anomalo, ma anche interpretare i modelli di questo comportamento anomalo per anticipare il guasto”.
Un sistema di previsione efficiente
Ad offrire una soluzione potrebbe essere il nuovo sistema di diagnosi. Per gli esperimenti di laboratorio strumento ha utilizzato fonti di dati standard, in particolare i cosiddetti dati SCADA (Supervisory Control And Data Acquisition) da 10 minuti e le voci del registro di stato. Chesterman si è concentrato principalmente su un tipo di segnale: la temperatura. In altre parole lo strumento è stato progettato per individuare malfunzionamenti nella trasmissione di potenza analizzando i segnali di temperatura provenienti da vari componenti.
Una volta intercettato l’anomalia termica, il sistema impiega l’apprendimento automatico per determinare esattamente il tipo di guasto delle turbine eoliche.
Il team ha testato questo approccio in condizioni reali utilizzando dati provenienti da tre parchi eolici operativi nel Mare del Nord e nel Mar Baltico. “La convalida ha dimostrato che la metodologia di previsione dei guasti delle turbine eoliche potrebbe rilevare in anticipo e con precisione determinati problemi, con un livello di confidenza dell’80%”.
Leggi anche Turbine eoliche ad asse verticale, efficienza migliorata del 200%
