Sistemas de gestão de energia: como trazem eficiência e fiabilidade à energia eólica

Num mundo ideal, os sistemas de energia eólica deveriam funcionar como um organismo único e unificado, mas, na realidade, o que vemos com mais frequência é um monstro de Frankenstein costurado a partir de partes que se recusam a ser amigas.

Encaramos a eficiência e a fiabilidade como problemas ao nível do sistema, porque a energia eólica é uma rede distribuída em que as dependências são estreitas e um estrangulamento numa camada reduz inevitavelmente o desempenho noutra.

Quando decompomos a eficiência, vemos que ela se esvai exatamente nos pontos de integração:

• Produção de eletricidade normalmente tem um desfasamento entre a curva de potência teórica e a produção real devido a uma falta de coordenação entre o controlo local e as operações da frota regional.
• Perdas na transmissão e distribuição ocorrem normalmente devido a resistência nas linhas, transformadores ou congestionamento da rede que actua como um estrangulamento da largura de banda, estrangulando a energia antes mesmo de esta chegar ao contador.
• Gestão da carga torna-se um jogo de adivinhação sem dados históricos de consumo à sua disposição para gerir as cargas, o que significa que está a voar às cegas nos picos de procura.
• Controlo e otimização é o nível de orquestração em que um SGA tem de equilibrar estas entradas, caso contrário todo o sistema funciona de forma não optimizada.

A fiabilidade torna-se um problema a nível do sistema para nós porque:

• Redundância e tolerância a falhas transformar-se num pesadelo de dependência, em que uma falha do inversor pode provocar uma reação em cadeia que faz cair todo o sector como um efeito dominó.
• Alta latência de comunicação (transmissão de dados) pode degradar o desempenho dos sistemas de controlo de área alargada, o que pode afetar as margens de estabilidade do sistema.
• Monitorização preditiva tornou-se uma corrida contra o relógio, em que as anomalias não detectadas no fluxo de dados aumentam, transformando um pequeno erro num tempo de inatividade crítico que afecta todo o ambiente de produção.

A que é que isto conduz? A otimização dos sistemas energéticos em tempo real é impossível e a gestão desliza para um modo reativo de resposta a acidentes.

Por outras palavras, as perdas de energia devido a períodos de inatividade, previsões meteorológicas imprecisas, picos de procura não atendidos (uma vez que não existem algoritmos de ML ajustados) e o funcionamento do equipamento em modos não optimizados consomem uma grande parte do lucro. Isto faz com que os velhos métodos de gestão, como “avariou outra vez, mande uma equipa”, deixem de fazer sentido do ponto de vista económico.

• Uma turbina desarma devido a um rolamento sobreaquecido e é necessário enviar uma equipa (perdendo a produção e gastando dinheiro na deslocação do camião).
• A previsão do vento não corresponde à realidade, porque não há dados históricos suficientes para treinar os modelos, e são aplicadas penalizações por desequilíbrio da rede.
• Mesmo pequenas alterações, como ter configurações de passo diferentes das necessárias para a turbulência atual, causam uma diminuição de cerca de 1-2% na eficiência. Embora isto possa parecer um valor insignificante, o custo dessa diferença é de milhões de dólares por ano.

Enquanto os seus dados estiverem fragmentados, não haverá AI na gestão da energia, pelo que, para transformar este caos num sistema, é necessário implementar primeiro uma solução arquitetónica adequada.