O nosso cliente é um ator proeminente no sector das energias renováveis, com um enfoque específico na energia eólica. Gerem uma vasta gama de turbinas eólicas em várias regiões, fornecendo aos cidadãos locais e fabrico instalações com eletricidade. As informações pormenorizadas sobre o cliente não podem ser divulgadas ao abrigo das disposições do NDA.

Desafio

Falhas de energia e reparações dispendiosas no parque eólico do cliente

O sector das energias renováveis, especialmente a energia eólica, é dinâmico e exige uma inovação permanente para garantir a máxima eficiência e tempo de funcionamento. Operando neste sector há mais de 20 anos, o nosso cliente deparou-se com muitas avarias inesperadas, que resultaram em cortes de energia e reparações dispendiosas. Com planos de expansão ambiciosos, procurou a IoT soluções energéticas para monitorizar em tempo real o desempenho das turbinas eólicas e evitar avarias através de Algoritmos ML. O cliente encarregou o Innowise da tarefa de desenvolver uma IoT para uma solução de gestão de energia que pudesse oferecer monitorização em tempo real e análise preditiva para garantir que as suas turbinas eólicas funcionam de forma eficiente e segura 24 horas por dia.

Solução

Solução de gestão de energia IoT que prevê a produção de energia e evita erros

Com base nas necessidades e expectativas do cliente, Innowise a empresa de consultoria IoT & ML desenvolveu uma solução que prevê a produção de energia com base nas informações acumuladas a partir de sensores meteorológicos e turbinas. A nossa equipa de projeto desenvolveu uma plataforma avançada que oferece informações em tempo real sobre o estado de cada turbina eólica, facilitando a tomada de decisões instantâneas e respondendo a sugestões operacionais sem demora.

Controladores lógicos programáveis (PLC)

Como pedra angular da automação, utilizámos PLCs para recolher dados de sensores instalados em todas as turbinas eólicas. Estes sensores medem uma vasta gama de parâmetros operacionais, tais como a velocidade do vento, a velocidade de rotação da turbina, a temperatura, os níveis de vibração e o binário. Ao processar estes dados, os PLCs dão uma imagem exacta e em tempo real do desempenho da turbina eólica, detectam avarias e analisam a eficiência da produção de energia.

Os indicadores dos sensores que se desviam dos limites predefinidos - como um aumento inesperado da temperatura ou do nível de vibração - assinalam potenciais problemas, como desgaste mecânico, necessidade de lubrificação ou falha de componentes. Os PLCs, por sua vez, reconhecem estes padrões e accionam alarmes ou desligam a turbina para evitar danos. Além disso, os PLCs registam os dados de saída de energia e analisam-nos juntamente com as condições do vento para determinar se as turbinas estão a gerar energia de forma eficiente. Em seguida, assinalam uma anomalia se a velocidade do vento for óptima, mas a produção de energia estiver abaixo do limiar, indicando um problema como a deterioração das pás, o desalinhamento, etc. Através da manutenção atempada e da prevenção de avarias com base no PLS, uma produção de energia equilibrada garante a longevidade do equipamento.

Lago de dados

Uma vez que o nosso cliente tem dezenas de turbinas eólicas espalhadas por regiões distintas, os nossos programadores foram incumbidos de criar um lago de dados robusto para armazenar mensagens orientadas para eventos maciços. Criámos um repositório central onde os dados de todas as turbinas, independentemente da localização geográfica, são recolhidos e armazenados. Isto inclui não só dados estruturados, mas também dados não estruturados e semi-estruturados, como registos, leituras de sensores, imagens e muito mais. Os especialistas em IoT garantiram que todas as nuances dos dados fossem preservadas, permitindo uma análise mais detalhada e reduzindo os riscos de perda de dados.

Além disso, a nossa equipa de projeto permitiu o processamento simultâneo de dados em vários nós. Isto significa que grandes conjuntos de dados podem ser processados em paralelo, acelerando significativamente as tarefas de análise e elaboração de relatórios. Isto é crucial para a manutenção preditiva, em que as informações sensíveis ao tempo podem evitar tempos de inatividade dispendiosos e avarias súbitas das turbinas eólicas. Os dados para análise são recuperados dos PLCs, depois armazenados e processados por AWS Funções IoT Core e Lambda.

Visualização de dados

Para visualizar dados, a nossa equipa de projeto optou por painéis de controlo Grafana. Criámos dashboards compostos por vários elementos visuais adaptados às necessidades da gestão de energia IoT. Como resultado, os gestores operacionais, por exemplo, podem ter uma visão geral do desempenho da turbina em tempo real, enquanto as equipas de manutenção podem ter uma visão mais detalhada dos indicadores de desgaste com o Grafana.Assim, os gráficos lineares mostram tendências ao longo do tempo, como a produção de energia ao longo do dia. Os gráficos de mapas fornecem visualizações geográficas das localizações das turbinas, permitindo uma visão geral rápida do estado de todo o parque eólico. As séries temporais prevêem tendências futuras com base em dados passados e presentes, essenciais para o planeamento e a previsão. Os histogramas detalham a distribuição de variáveis específicas, como a velocidade do vento ou a produção da turbina, o que é útil para a análise estatística. Finalmente, os geomapas colocam dados adicionais em mapas geográficos, tais como padrões climáticos, para medir a influência de condições climatéricas desfavoráveis.De um modo geral, o cliente obtém uma visualização transparente e informativa dos dados IoT que é facilmente interpretada e utilizada. Por exemplo, através de indicadores codificados por cores, um técnico de manutenção pode facilmente detetar uma turbina a funcionar fora da sua gama ideal e tomar medidas proactivas para eliminar a avaria.

Relatórios analíticos

Além disso, os nossos engenheiros garantiram que a plataforma orientada para a IoT gera relatórios analíticos para fornecer informações abrangentes sobre o desempenho das turbinas eólicas. Estes dados ajudam a identificar quais as turbinas que funcionam bem e quais as que podem necessitar de manutenção ou ajustes. Para além disso, o sistema baseado na IoT utiliza dados históricos e em tempo real para a manutenção preditiva, de modo a prever resultados futuros em diferentes condições. Desta forma, recomenda quando programar a manutenção ou otimizar as operações sem esperar que ocorra um problema.

Além disso, ao analisar as tendências de desempenho e factores externos, como as condições meteorológicas, o sistema propõe cenários em que a gestão de energia IoT pode ser optimizada. Por exemplo, sugere formas de otimizar o consumo de energia, reduzir despesas extra, determinar as alturas ideais para a recolha de energia eólica, gerir eficazmente o armazenamento, vender o excesso de energia de volta à rede e simplificar os procedimentos de manutenção.

Previsão de erros

Utilizando o poder da ciência dos dados (DS) e das operações de aprendizagem automática (MLOps), desenvolvemos um modelo preditivo que analisa vários factores que afectam o estado das turbinas, como os níveis de vibração, a temperatura e as métricas de desempenho. Este modelo aprende continuamente com os dados recebidos, permitindo-lhe identificar padrões que precedem as falhas do equipamento. Quando detecta estes sinais de aviso prévio, acciona um sistema de alerta, permitindo que as equipas de manutenção resolvam os problemas de forma proactiva antes que estes conduzam a avarias.

Tecnologias e ferramentas

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 dados

PostgreSQL, AWS TimeStream

Visualização

Grafana

Processo

O desenvolvimento de um sistema personalizado baseado na IoT para a monitorização e manutenção de turbinas eólicas foi uma jornada complexa mas gratificante. Começámos com discussões extensas com o nosso cliente para compreender as suas necessidades e desafios. Esta fase envolveu a identificação das principais funcionalidades necessárias para o sistema IoT, tais como monitorização em tempo real, previsão de erros e análise de dados.Com os requisitos em mãos, desenvolvemos um plano de projeto abrangente que delineia o calendário, os recursos, o orçamento e as estratégias de gestão de riscos. A nossa fase de desenvolvimento envolveu a criação da arquitetura do sistema e da interface do utilizador, incluindo algoritmos personalizados para análise de dados, visualizações, manutenção preditiva e PLCs integrados e AWS IoT Core. A metodologia Agile permitiu-nos uma adaptação rápida e eficaz às mudanças de requisitos e ao feedback ao longo do projeto. As reuniões regulares, as revisões de sprint e as retrospectivas foram parte integrante do nosso processo, promovendo um ambiente de trabalho colaborativo e dinâmico. Esta abordagem permitiu-nos fornecer um sistema baseado em IoT personalizado, robusto e eficiente, perfeitamente alinhado com as necessidades únicas do nosso cliente.Atualmente, o Innowise fornece manutenção e apoio após o almoço, corrige pequenos erros e lança actualizações regulares.

Equipa

Gestor de projectos

Analista de negócios

Arquiteto de soluções

Programador Front-End

Programadores back-end

Programador incorporado

Programador ML

Programador DE

DevOps

Engenheiros de GQ

PME das partes interessadas

Resultados

18% redução dos custos de manutenção e reparação com o sistema orientado para a IoT e o ML

Innowise construiu um sistema escalável orientado para IoT e ML que prevê a produção de energia com base no sistema de controladores lógicos programáveis. Desenvolvemos uma plataforma sofisticada que reúne informações críticas das turbinas eólicas, avalia o seu desempenho e fornece informações precisas para a tomada de decisões informadas. Com base nestas informações, os gestores de clientes podem monitorizar as condições das turbinas em tempo real e sugerir cenários para otimizar a produção de energia e reduzir as despesas supérfluas. Graças aos algoritmos de ML, a nossa solução inovadora prevê a produção de energia com base em previsões meteorológicas e análises acumuladas. Além disso, determina a melhor altura para encerrar os parques eólicos e efetuar a manutenção em conformidade. Isto é particularmente crucial para turbinas em ambientes remotos ou adversos, onde as reparações podem ser difíceis e dispendiosas.

Duração do projecto

setembro de 2021 - Em curso

até 6%

aumento da produção de energia

18%

redução dos custos de manutenção e reparação

ameaças críticas evitadas

Casos relacionados

Contactar-nos!

Marcar uma chamada ou preencha o formulário abaixo e entraremos em contacto consigo assim que tivermos processado o seu pedido.

Nome

Empresa

Correio electrónico

Telefone

Mensagem Inclua os detalhes do projeto, a duração, o conjunto de tecnologias, os profissionais de TI necessários e outras informações relevantes

Gravar uma mensagem de voz sobre o seu
projeto para nos ajudar a compreendê-lo melhor

Anexar documentos adicionais, se necessário

Enviar ficheiro

Pode anexar até 1 ficheiro de 2MB no total. Ficheiros válidos: pdf, jpg, jpeg, png

Informamos que, ao clicar no botão Enviar, o Innowise's processará os seus dados pessoais de acordo com a nossa Política de Privacidade com o objectivo de lhe fornecer informações adequadas.

O que é que acontece a seguir?

Após termos recebido e processado o seu pedido, entraremos em contacto consigo para detalhar as necessidades do seu projecto e assinar um NDA para garantir a confidencialidade das informações.

Após a análise dos requisitos, os nossos analistas e programadores elaboram uma proposta de projecto com o âmbito dos trabalhos, tamanho da equipa, tempo e custos e custos.

Marcamos uma reunião consigo para discutir a oferta e chegar a um acordo.

Assinamos um contrato e começamos a trabalhar no seu projecto o mais rapidamente possível.

IoT para gestão de energia: aumento de até 6% na produção de energia

Cliente

Desafio

Falhas de energia e reparações dispendiosas no parque eólico do cliente

Solução