post-draft

Descubriendo el valor del mantenimiento predictivo de las plantas solares fotovoltaicas

post-draft

La energía solar ha experimentado un extraordinario crecimiento en los últimos años y, junto con este éxito, las expectativas de mejoras, eficiencias y una reducción general del coste nivelado de la energía (LCoE) son cada vez más pronunciadas. Al mismo tiempo, la amplia digitalización de las modernas plantas solares fotovoltaicas (FV) ha aumentado drásticamente la cantidad de datos que los operadores tienen a su disposición; esta nueva fuente de datos operativos abre la puerta a una nueva generación de herramientas digitales que pueden ayudar a producir valor añadido y reducir los costes.

Una de las herramientas que se espera que tenga un gran impacto en el funcionamiento y el mantenimiento (O&M) de las plantas fotovoltaicas es el mantenimiento predictivo.

Según las prácticas actuales, el mantenimiento se realiza siguiendo dos enfoques principales: el preventivo y el correctivo. El primero se basa en las directrices propuestas por los fabricantes de componentes para definir la frecuencia y el tipo de tareas realizadas, mientras que el segundo se centra en los acontecimientos inesperados que provocan intervenciones inmediatas de mantenimiento y reparación para minimizar la pérdida de ingresos. A diferencia del mantenimiento preventivo y del correctivo, una política de mantenimiento predictivo utiliza datos de monitorización e inteligencia artificial para crear un modelo de referencia del funcionamiento de la planta en condiciones normales y proporcionar una estimación informada de los posibles fallos futuros.

Gracias a su capacidad de predicción de fallos, el mantenimiento predictivo puede ayudar a anticipar y optimizar las acciones preventivas y correctivas necesarias, lo que redundará en un aumento de la disponibilidad y el rendimiento de la planta.

Motivado por su posición única en la industria y su experiencia multidisciplinaria, GreenPowerMonitor (una compañía de DNV) ha desarrollado un sistema de mantenimiento predictivo para inversores solares que, dado un conjunto de canales de datos de entrada, incluyendo variables ambientales, utiliza modelos de aprendizaje automático para representar el funcionamiento normal de un inversor y el análisis multivariado para identificar el comportamiento anómalo dentro de los nuevos datos de flujo.

El sistema desarrollado se ha probado en instalaciones seleccionadas en las que se disponía de registros de mantenimiento de alta calidad y ha demostrado que puede detectar hasta el 83% de los fallos, con un 75% de verdaderas alarmas con una semana de antelación al fallo del inversor. Estos resultados demuestran que es posible predecir los fallos de los inversores utilizando la metodología desarrollada; sin embargo, requerían disponer de registros de mantenimiento detallados y de alta calidad, algo de lo que carecen la mayoría de los sistemas y que ha impedido seguir desarrollando y validando el método.

Como solución a la falta de registros de mantenimiento detallados, GreenPowerMonitor se ha centrado en un enfoque de detección de anomalías más general que puede aprovecharse cuando no se dispone de registros de mantenimiento para la validación del sistema de mantenimiento predictivo. El sistema de detección de anomalías se basa en los conceptos de densidad y error de reconstrucción para identificar las anomalías, y se complementa con el uso de técnicas de explicabilidad para determinar la causa potencial de las anomalías. El sistema se ha probado utilizando datos históricos de múltiples inversores y los resultados muestran que el enfoque implementado puede identificar anomalías sostenidas y determinar los canales de datos responsables de causar las anomalías. La detección de anomalías también puede desempeñar un papel importante como herramienta de apoyo a un sistema de mantenimiento predictivo, pero no debe considerarse como un sustituto.

El valor añadido del mantenimiento predictivo para la industria fotovoltaica comienza con la predicción del fallo de un componente; sin embargo, esta pieza de información puede permitir nuevos beneficios que van desde la ganancia económica al evitar el tiempo de inactividad de la planta hasta una mejor gestión y planificación de las asignaciones de personal, piezas de repuesto y sustituciones, así como, lograr un mejor equilibrio entre las actividades de mantenimiento correctivo cubiertas y no cubiertas en los servicios contratados. Estos beneficios potenciales y el valor añadido representan una oportunidad que la industria no puede permitirse perder, pero la ausencia de registros de mantenimiento detallados y de estandarización está obstaculizando su desarrollo y expansión dentro de la industria solar.

Para DNV y GreenPowerMonitor el camino hacia el futuro es claro: Propietarios, operadores y fabricantes deben unirse y establecer procedimientos y servicios que impongan la documentación adecuada y estandarizada de todos los eventos relevantes que ocurren en una planta fotovoltaica.

Además, deben aprovechar las herramientas de digitalización que tienen a su disposición para facilitar el mantenimiento y el acceso automatizado a los registros de O&M para las rutinas de análisis de datos. Sin embargo, la industria no puede quedarse de brazos cruzados hasta que la disponibilidad de los registros y la estandarización dejen de ser un problema; el despliegue de sistemas de detección de anomalías puede ayudar a cerrar la brecha entre la situación actual y la próxima generación de sistemas de mantenimiento predictivo. Los sistemas de detección de anomalías pueden actuar como herramientas de apoyo a la toma de decisiones y las alarmas generadas por ellos pueden desencadenar procedimientos de validación obligatorios para los operadores de las plantas, que se convertirán en los bloques de construcción de los tan necesarios registros detallados de O&M. Además, los operarios pueden utilizar las funciones de emisión de tickets incluidas en sus herramientas de software de monitorización para crear y mantener los registros de O&M sin necesidad de realizar cambios significativos en el software o en la infraestructura de datos.

Por último, el desarrollo de una estrategia holística de mantenimiento predictivo requerirá las aportaciones y la experiencia de muchos actores diferentes implicados en la industria fotovoltaica, desde los fabricantes hasta los desarrolladores, operadores e investigadores. Por esta razón, es crucial fomentar la colaboración en las actividades de investigación y desarrollo entre todos los sectores para ofrecer las soluciones que satisfagan las necesidades de la industria.

¿Deseas leer más al respecto?

Solicite un ejemplar de nuestro position paper aquí (Documento en inglés)

 

david