Mayor precisión en el monitoreo de las turbinas eólicas

Monitorear el funcionamiento de las turbinas eólicas es un gran reto. Cada turbina está sometida a cambios constantes debidos a los caprichos del tiempo. Por ello, circunstancias que pueden causar grandes tensiones en algunos componentes pueden identificarse erróneamente como defectos. SKF ha dado un considerable paso adelante con el desarrollo de una nueva herramienta de diagnóstico para reducir la posibilidad de falsas alarmas en el monitoreo del tren de transmisión de las turbinas.

Related Articles

Los sistemas de monitoreo de condición (Condition Monitoring Systems, CMS) se usan ampliamente para prestar apoyo a una operación y mantenimiento seguros de las turbinas eólicas en tierra y en el mar. Sin embargo, las falsas alarmas causadas por las condiciones meteorológicas siguen siendo un reto. Un ejemplo típico son las cizalladuras o ráfagas de viento, que pueden causar cambios constantes en el ángulo de inclinación de las aspas, lo que crea alarmas de vibración “positivas pero falsas” y que llaman la atención de los técnicos de análisis.

Protean es una nueva herramienta de diagnóstico desarrollada para reducir la incidencia de falsas alarmas, y que distingue entre tensiones temporales y condiciones defectuosas. La función de diagnóstico de Protean se ha diseñado para funcionar con el software @ptitude Observer CMS, de SKF, para el monitoreo del tren de transmisión de las turbinas eólicas, usado ampliamente en el sector eólico. Ayuda a los técnicos de operación, mantenimiento y CMS a concentrarse en los aspectos de rendimiento potencial real, y así mitiga el riesgo de falsas alarmas. En grandes parques eólicos, puede proporcionar unos ahorros de tiempo considerables y hacer más eficaces y efectivos los sistemas de CMS.

Cómo funciona Protean

Fundamentalmente, Protean identifica las condiciones operativas del equipo y “aprende” su comportamiento normal respecto de diferentes indicadores de condición. Tras un período de aprendizaje de aproximadamente una semana, Protean establece automáticamente niveles umbral de los diferentes indicadores de condición, definidos por el operario. Los indicadores de condición se han diseñado para detectar defectos de diferentes tipos, como defectos en rodamientos y engranajes, dese­quilibrios, etc. Luego, esos indicadores se configuran para cada componente del equipo, lo que significa que, como mínimo, se usa un indicador para cada rodamiento. Si se presenta una alarma, Protean recalcula el nivel umbral según la nueva situación que ha conducido a una alarma. Por ello, solo se generarán nuevas alarmas si la condición empeora. Además, un valor de indicador de condición que viole el nivel umbral no accionará una alarma. Para activar la alarma, es preciso que “M de los N” últimos valores del indicador de condición superen el valor umbral (M y N se seleccionan siguiendo las mejores prácticas). Cuando se ha efectuado el mantenimiento, Protean detecta un descenso en el nivel del indicador de condición y recalcula automáticamente el nivel umbral para reflejar la nueva situación.

Para formarse una idea, crear una configuración de CMS de parque eólico para 20 turbinas significaría ajustar unos 1000 indicadores. Realizar esto manualmente es en realidad imposible. Por ello, un enfoque que aplique reglas de diagnóstico del software SKF @ptitude y se vincule con Protean y su enfoque de Inteligencia Artificial permite una configuración rápida y simple del CMS.

El software CMS de SKF permite automatizar el diagnóstico al permitir al usuario crear un modelo matemático del tren de transmisión de las turbinas eólicas con la biblioteca “arrastrar y soltar” de componentes, por ejemplo, rotor eléctrico, rodamientos, engranajes, etapa planetaria, impulsores, etc. (fig. 1). Las reglas de diagnóstico, o indicadores de condición, se han calculado tradicionalmente como un valor absoluto usando frecuencias que son significativas para que se detecte el defecto. Una regla de diagnóstico combina las amplitudes a frecuencias definidas en función de datos cinemáticos. Asimismo, en la medición, el valor del indicador de condición también puede calcularse como porcentaje del ruido de fondo. Entonces puede evitarse el ruido que anteriormente conducía a una detección positiva pero falsa. Los indicadores de condición se diseñan para reaccionar ante defectos definidos en un componente del equipo, como desalineación de eje, defecto de rodamiento o de engranaje, o desequilibrio de rotor.

Para que un CMS funcione óptimamente, es importante que el hardware de monitoreo y los sensores sean adecuados para la tarea y se hayan posicionado de manera correcta según las características y directrices del tren de transmisión. Pueden obtenerse plantillas para la mayoría de las turbinas eólicas del mercado, a fin de asegurarse de que las configuraciones de medición se realicen correctamente (fig. 2).

Fig. 2 – Elementos fundamentales para un CMS efectivo.

La diferencia con Protean

Para un posible defecto de holgura en un eje mecánico, se aplican en gran medida las reglas de diagnóstico, lo que permite la extracción de indicadores de condición predefinidos (fig. 3). La biblioteca facilita la configuración habitual y basta con que el usuario ajuste la alarma y el nivel de peligro, o seleccione “auto” para que el software calibre el nivel de alarma según el comportamiento de la maquinaria durante el primer funcionamiento. Sin Protean (fig. 4), el sistema reacciona al incremento en holgura mecánica pero se precisará la intervención manual para ajustar los niveles de alarma.

Fig. 3

Con el uso de Protean (fig. 5), el sistema tiene en cuenta el valor de las frecuencias, que es el comportamiento normal experimentado durante el período de aprendizaje. Esto se usa para seleccionar el nivel umbral de cada indicador de condición. El valor pico en el gráfico muestra una violación del nivel umbral, pero debido a que no hay M de los N últimos valores que superen el nivel umbral, no se activa ninguna alarma. Cuando un valor indicador de condición queda por debajo del umbral inferior (como después de una reparación de maquinaria), la lógica de alarma controla si, como mínimo, M de los N últimos valores del indicador de condición son menores que el umbral inferior. Si este fuera el caso, se calculan un nuevo nivel umbral inferior y superior en función de las condiciones imperantes. Es habitual que las turbinas eólicas muestren esas fluctuaciones (algo menos cierto en mucha maquinaria más estable). Por ello, el algoritmo de Protean es muy oportuno en el sector eólico, puesto que ahorra tiempo al eliminar la necesidad de intervención manual.

Fig. 5

El caso del desarrollo de un defecto de rodamiento de eje de alta velocidad en una caja de engranajes se muestra en la fig. 6. Cuando aparece la primera indicación, se recalcula el nivel umbral utilizando las últimas mediciones anteriores a la indicación. Luego el nivel continúa aumentando de modo que se produce una segunda indicación y se vuelve a recalcular el umbral. El nivel se reduce, lo que activa un recálculo. Luego el nivel vuelve a aumentar y se activa una alarma seguida de un nuevo recálculo. Este patrón se repite hasta que se sustituye el rodamiento defectuoso. El nuevo rodamiento originó un gran descenso en los niveles de vibración y se efectuó un recálculo del umbral. Poco después, el nivel aumenta y se activa una alarma. Aunque se efectúa un recálculo, la situación se estabiliza y es seguida por un lento descenso y un posterior recálculo del umbral. Todo se documenta en la lista de alarmas.

Fig. 6

El ejemplo final es de un defecto en una rueda dentada. Con un plazo de aproximadamente cinco años, queda claro que en 2016 aparece la primera indicación de un defecto. Dos años más tarde, el defecto estaba presente y en 2019 el defecto se aceleró. El engranaje defectuoso se sustituyó al finalizar ese año y las últimas mediciones muestran la condición después de la reparación (fig. 7).

Fig. 7

En los ejemplos prácticos mostrados, Protean redujo la cantidad de incidentes positivos pero falsos en un 90% como mínimo. Los beneficios adicionales son que el usuario no precisa ajustar cada indicador de condición. También mejora la capacidad de usar plantillas, puesto que no se precisa un ajuste individual. Otros beneficios son la capacidad de Protean de recalcular umbrales siguiendo alarmas y el ajuste automático de umbrales siguiendo alarmas y procedimientos de mantenimiento.

Protean es una solución de autodiagnóstico muy confiable que ofrece una reducción significativa de las falsas alarmas sin un mayor riesgo de pasar por alto defectos. Libera a los técnicos de CMS de pesadas tareas repetitivas y les permite concentrarse en casos más difíciles. Respalda y refuerza los beneficios de un CMS satisfactorio, que detecta fallas y otras condiciones no deseadas de manera temprana. Además permite planificar y realizar tareas correctivas oportunamente y con la calidad correcta, lo que evita daños posteriores en la maquinaria.

SKF considera a Protean como un importante paso adelante para mejorar la detectabilidad, precisión y eficacia del monitoreo de condición, no solo en turbinas eólicas, sino en todo tipo de maquinaria giratoria. El continuo desarrollo y las nuevas herramientas son fundamentales para convertir al CMS en una tecnología más inteligente que ayude a los clientes a gestionar sus procesos de operación y mantenimiento de una forma más efectiva.