Eolico più efficiente grazie ai big data

{{item.title}}

Ogni giorno 235 milioni di segnali sono trasmessi dalla rete neuronale di sensori installati sulle oltre 4.200 macchine eoliche di Enel Green Power operative in 15 Paesi del mondo, pari a 86 miliardi di informazioni prodotte ogni anno.

Questa mole di segnali viene raccolta e gestita al ritmo 1,6 milioni di dati ogni 10 minuti dalla Monitoring Room di EGP che controlla l'intero parco eolico dell'azienda, analizzando i dati attraverso algoritmi sviluppati internamente e basati su tecnologia SAS (SAS Visual Analytics). Si tratta di sistemi che permettono di estrarre dai big data informazioni utili per valutare e monitorare la performance di ogni singola macchina, generando modelli sia per il calcolo della producibilità che per la previsione di guasti.

A raccontare l'esperienza di EGP nello sfruttare l'analisi dei big data, è stato nei giorni scorsi a Roma, Federico Argenio dell'unità Monitoring Room e Reporting di EGP, in occasione del workshop “Capire i tuoi dati. Il primo passo per trovarne il valore”, promosso da SAS Italia presso la Luiss Enlab.

“L'impatto vero dei big data – ha sintetizzato Argenio nel suo intervento - sta nel fatto che avendo una popolazione di macchine eterogenea e lavorando in una struttura centrale che raccoglie tutto, è possibile creare dei cluster (ovvero dei gruppi) molto grandi su cui fare statistica. In questo modo è possibile evidenziare i comportamenti anomali delle macchine. Un lavoro che si può fare solo con una tecnologia che permetta di effettuare un data exploring e un data mining su una grande quantità di dati”.

Applicando queste metodologie statistiche di big data analysis alle informazioni “storiche” di ogni turbina eolica è infatti possibile filtrare i dati e ottenere le performance reali della macchina. Per utilizzare queste tecnologie su strumenti complessi come le pale eoliche, EGP ha realizzato una rete neuronale applicata ai nodi strutturali delle macchine, che sono state suddivise in zone di funzionamento. Questi trasmettono dati sul lavoro delle macchine in ogni fase della loro attività, indicando anche le eventuali anomalie. Dall'analisi di tutte le informazioni si estrae la “curva caratteristica della macchina”, che permette di sapere quando il sistema sta funzionando perfettamente, se si trova in una zona di tolleranza (non sta funzionando perfettamente ma quasi), o se si è fermata anche in presenza di vento.

L'elaborazione di queste informazioni permette da un lato di calcolare il producibile (ovvero la quantità di generazione elettrica “ideale” per ogni macchina) e quindi verificare se è stato prodotto di meno e perché, in modo da individuare criticità e ottimizzare la performance. Dall'altro, consente di determinare le anomalie su macchine per loro natura soggette a usura, a causa dei forti attriti cui sono soggette, e quindi di anticipare i guasti e ottimizzare i piani di manutenzione programmata.