Nuestro cliente es un actor destacado en el sector de las energías renovables, con especial atención a la energía eólica. Gestionan una amplia gama de turbinas eólicas en varias regiones, suministran a los ciudadanos locales y fabricación instalaciones con electricidad. La información detallada sobre el cliente no puede divulgarse en virtud de las disposiciones del acuerdo de confidencialidad.

Desafío

Cortes de electricidad y costosas reparaciones en el parque eólico del cliente

El sector de las energías renovables, especialmente la eólica, es dinámico y requiere una innovación permanente para garantizar la máxima eficiencia y tiempo de funcionamiento. Nuestro cliente, que lleva más de 20 años operando en este campo, se ha encontrado con muchas averías inesperadas, que han provocado cortes de energía y costosas reparaciones. Con ambiciosos planes de expansión, buscaban IoT soluciones energéticas para controlar en tiempo real el rendimiento de los aerogeneradores y evitar averías mediante Algoritmos ML. El cliente encargó a Innowise la tarea de desarrollo de un IoT para una solución de gestión de la energía que pudiera ofrecer monitorización en tiempo real y análisis predictivo para garantizar que sus aerogeneradores funcionen de forma eficiente y segura las 24 horas del día.

Solución

Solución IoT de gestión energética que predice la producción de energía y evita errores

En función de las necesidades y expectativas del cliente, Innowise ideó una solución basada en IoT y ML que predice la producción de energía a partir de la información acumulada por los sensores meteorológicos y las turbinas. Nuestro equipo de proyecto desarrolló una plataforma avanzada que ofrece información en tiempo real sobre el estado de cada aerogenerador, facilitando la toma de decisiones instantánea y respondiendo a las señales operativas sin demora.

Controladores lógicos programables (PLC)

Como piedra angular de la automatización, utilizamos PLC para recoger datos de los sensores instalados en todos los aerogeneradores. Estos sensores miden una amplia gama de parámetros operativos, como la velocidad del viento, la velocidad de rotación de la turbina, la temperatura, los niveles de vibración y el par. Al procesar estos datos, los PLC ofrecen una imagen precisa y en tiempo real del rendimiento del aerogenerador, detectan averías y analizan la eficiencia de la producción de energía.

Los indicadores de los sensores que se desvían de los umbrales predefinidos -como un aumento inesperado de la temperatura o del nivel de vibración- señalan posibles problemas como el desgaste mecánico, la necesidad de lubricación o el fallo de componentes. A su vez, los PLC reconocen estos patrones y activan alarmas o paran la turbina para evitar daños. Además, los PLC registran los datos de producción de energía y los analizan junto con las condiciones del viento para determinar si las turbinas están generando energía de forma eficiente. A continuación, señalan una anomalía si la velocidad del viento es óptima pero la producción de energía está por debajo del umbral, lo que indica un problema como deterioro de las palas, desalineación, etc. Gracias al mantenimiento oportuno y la prevención de averías que permite el PLS, la producción equilibrada de energía garantiza la longevidad del equipo.

Lago de datos

Dado que nuestro cliente tiene docenas de aerogeneradores repartidos por distintas regiones, nuestros desarrolladores se encargaron de construir un sólido lago de datos para almacenar mensajes masivos basados en eventos. Creamos un repositorio central donde se recopilan y almacenan los datos de todas las turbinas, independientemente de su ubicación geográfica. Esto incluye no sólo datos estructurados, sino también datos no estructurados y semiestructurados, como registros, lecturas de sensores, imágenes y mucho más. Los especialistas en IoT se aseguraron de que se conservaran todos los matices de los datos, lo que permitió realizar análisis más detallados y reducir los riesgos de pérdida de datos.

Además, nuestro equipo de proyecto permitió el procesamiento simultáneo de datos en varios nodos. Esto significa que los grandes conjuntos de datos pueden procesarse en paralelo, lo que acelera considerablemente las tareas de análisis y elaboración de informes. Esto es crucial para el mantenimiento predictivo, en el que la información sensible al tiempo puede evitar costosos tiempos de inactividad y averías repentinas de los aerogeneradores. Los datos para el análisis se recuperan de los PLC, se almacenan y se procesan mediante AWS Funciones IoT Core y Lambda.

Visualización de datos

A visualizar datos, nuestro equipo de proyecto optó por los vívidos cuadros de mando de Grafana. Configuramos cuadros de mando compuestos por varios elementos visuales adaptados a las necesidades de la gestión de la energía IoT. Como resultado, los gestores operativos, por ejemplo, pueden tener una visión general del rendimiento de la turbina en tiempo real, mientras que los equipos de mantenimiento pueden echar un vistazo más detallado a los indicadores de desgaste con Grafana.Así, los gráficos lineales muestran las tendencias a lo largo del tiempo, como la producción de energía a lo largo del día. Los gráficos de mapas ofrecen visualizaciones geográficas de la ubicación de las turbinas, lo que permite una rápida visión general del estado de todo el parque eólico. Las series temporales predicen tendencias futuras basadas en datos pasados y presentes, esenciales para la planificación y la previsión. Los histogramas detallan la distribución de variables específicas, como la velocidad del viento o la potencia de los aerogeneradores, lo que resulta útil para el análisis estadístico. Por último, los geomapas superponen datos adicionales a los mapas geográficos, como los patrones meteorológicos, para medir la influencia de condiciones meteorológicas desfavorables.En general, el cliente obtiene una visualización transparente e informativa de los datos IoT que se interpreta fácilmente y sobre la que se actúa. Por ejemplo, mediante indicadores codificados por colores, un técnico de mantenimiento puede detectar fácilmente una turbina que funciona fuera de su rango óptimo y tomar medidas proactivas para eliminar el mal funcionamiento.

Informes analíticos

Además, nuestros ingenieros se aseguraron de que la plataforma basada en IoT generara informes analíticos para ofrecer información exhaustiva sobre el rendimiento de los aerogeneradores. Estos datos ayudan a identificar qué turbinas funcionan bien y cuáles requieren mantenimiento o ajustes. Además, el sistema basado en IoT utiliza datos históricos y en tiempo real para el mantenimiento predictivo con el fin de prever los resultados futuros en diferentes condiciones. De este modo, recomienda cuándo programar el mantenimiento u optimizar las operaciones sin esperar a que se produzca un problema.

Además, analizando las tendencias de rendimiento y factores externos como las condiciones meteorológicas, el sistema propone escenarios en los que puede optimizarse la gestión de la energía IoT. Por ejemplo, sugiere formas de optimizar el consumo de energía, reducir los gastos extraordinarios, determinar los momentos ideales para cosechar energía eólica, gestionar eficazmente el almacenamiento, vender el exceso de energía a la red y agilizar los procedimientos de mantenimiento.

Predicción de errores

Utilizando el poder de la ciencia de datos (DS) y las operaciones de aprendizaje automático (MLOps), desarrollamos un modelo predictivo que analiza diversos factores que afectan a la salud de las turbinas, como los niveles de vibración, la temperatura y las métricas de rendimiento. Este modelo aprende continuamente de los datos entrantes, lo que le permite identificar patrones que preceden a los fallos de los equipos. Cuando detecta estas señales de advertencia, activa un sistema de alerta que permite a los equipos de mantenimiento abordar los problemas de forma proactiva antes de que provoquen averías.

Tecnologías y herramientas

Front-end

JavaScript, React, Redux

Back-end

Python, FastAPI

DE/ML

Apache Spark

Cloud

AWS EKS, AWS ECS, AWS ECR, AWS EC2, AWS API Gateway, AWS IOT Core, AWS Kinesis, AWS Lake Formation, AWS Lambda, AWS RDS Postgres, AWS TimeStream DB; AWS S3, AWS Route 53; AWS CloudFront.

DevOps

Kubernetes, Docker, AWS EKS, AWS ECS

Base de datos

PostgreSQL, AWS TimeStream

Visualización

Grafana

Proceso

El desarrollo de un sistema personalizado basado en IoT para la supervisión y el mantenimiento de aerogeneradores fue un viaje complejo pero gratificante. Comenzamos con extensas conversaciones con nuestro cliente para entender sus necesidades y retos. Esta fase consistió en identificar las funcionalidades básicas que requería el sistema IoT, como la supervisión en tiempo real, la predicción de errores y la gestión de la información data analytics.Con los requisitos en la mano, desarrollamos un plan de proyecto integral que esbozaba el calendario, los recursos, el presupuesto y las estrategias de gestión de riesgos. Nuestra fase de desarrollo consistió en crear la arquitectura del sistema y la interfaz de usuario, incluidos algoritmos personalizados para el análisis de datos, visualizaciones, mantenimiento predictivo y PLC y AWS IoT Core integrados. La metodología ágil nos permitió adaptarnos con rapidez y eficacia a los cambios en los requisitos y a la información recibida a lo largo del proyecto. Las reuniones periódicas, las revisiones de los sprints y las retrospectivas formaron parte integral de nuestro proceso, fomentando un entorno de trabajo dinámico y colaborativo. Este enfoque nos permitió ofrecer un sistema basado en el IoT a medida, robusto y eficiente, perfectamente alineado con las necesidades únicas de nuestro cliente.A partir de ahora, Innowise ofrece mantenimiento y asistencia después del almuerzo, corrige errores menores y publica actualizaciones periódicas.

Equipo

Jefe de proyecto

Analista de negocio

Arquitecto de soluciones

Desarrollador de Front-End

Desarrolladores de Back-end

Desarrollador integrado

Desarrollador ML

Desarrollador DE

DevOps

Ingenieros de QA

PYME de las partes interesadas

Resultados

18% reducción de los costes de mantenimiento y reparación con el sistema impulsado por IoT y ML

Innowise ha construido un sistema escalable impulsado por IoT y ML que predice la producción de energía basándose en el sistema de controladores lógicos programables. Hemos desarrollado una sofisticada plataforma que recopila información crítica de los aerogeneradores, evalúa su rendimiento y proporciona información precisa para la toma de decisiones informadas. A partir de esta información, los gestores del cliente pueden supervisar las condiciones de las turbinas en tiempo real y sugerir escenarios para optimizar la producción de energía y reducir los gastos superfluos. Gracias a los algoritmos ML, nuestra innovadora solución predice la generación de energía basándose en las previsiones meteorológicas y los análisis acumulados. Además, determina el mejor momento para apagar los parques eólicos y realizar el mantenimiento correspondiente. Esto es especialmente crucial para las turbinas situadas en entornos remotos o difíciles, donde las reparaciones pueden resultar difíciles y costosas.

Duración del proyecto

Septiembre 2021 - En curso

hasta 6%

aumento de la producción de energía

18%

reducción de los costes de mantenimiento y reparación

amenazas críticas prevenidas

Casos relacionados

Póngase en contacto con nosotros

Reservar una llamada o rellene el siguiente formulario y nos pondremos en contacto con usted cuando hayamos procesado su solicitud.

Nombre

Empresa

Correo electrónico

Teléfono

Mensaje Por favor, facilítenos detalles del proyecto, duración, tecnologías, especialistas informáticos necesarios y otra información relevante.

Grabe un mensaje de voz sobre su proyecto
para ayudarnos a comprenderlo mejor.

Adjunte los documentos adicionales si es necesario

Cargar archivo

Puede adjuntar hasta 1 archivo de 2 MB en total. Archivos válidos: pdf, jpg, jpeg, png

Le informamos de que cuando haga clic en el botón Enviar, Innowise procesará sus datos personales de acuerdo con nuestra Política de privacidad con el fin de proporcionarle la información adecuada.

Qué pasa después?

Una vez recibida y procesada su solicitud, nos pondremos en contacto con usted para detallar las necesidades de su proyecto y firmar un acuerdo de confidencialidad que garantice la confidencialidad de la información.

Después de examinar los requisitos, nuestros analistas y desarrolladores elaboran una propuesta de proyecto con el alcance de las obras, el tamaño del equipo, el tiempo y las estimaciones de costos.

Concertamos una reunión con usted para discutir la oferta y llegar a un acuerdo.

Firmamos un contrato y comenzamos a trabajar en su proyecto lo más rápido posible.

IoT para la gestión de la energía: aumento de hasta 6% en la producción de energía

Cliente

Desafío

Cortes de electricidad y costosas reparaciones en el parque eólico del cliente

Solución