Análise de dados operacionais para detecção de problemas de performance em usinas eólicas

Abstract

Na última década a geração eólica teve elevado crescimento em sua potência instalada, representando incrementos expressivos na matriz energética mundial e nacional. Por outro lado, surge a necessidade de verificar se os ativos estão operando conforme o projetado e se planos de ação para extinguir problemas de performance podem acarretar ganhos significativos. Essa atividade pode ser executada pelos próprios agentes de geração e visa garantir que os aerogeradores estejam com a performance esperada durante sua operação. Em caso de detecção de alguma anomalia existe a possibilidade de planejar e priorizar os serviços de manutenção. Com base nisso, esse trabalho tem como objetivo principal propor uma metodologia (framework de análises propostas) para detecção de diversos problemas de performance dos aerogeradores, baseado em dados operacionais e elencando os principais causadores de perdas de desempenho em turbinas eólicas. Inicialmente, a análise de performance é efetuada por meio de um indicador de desempenho baseado na curva de potência dos aerogeradores. Esse indicador mensura a performance das máquinas e possibilita ao agente de geração detectar aerogeradores com problemas de performance e priorizar análises mais detalhadas (evitando a necessidade de realizar o estudo das curvas de potência de todos os aerogeradores periodicamente). Posteriormente, são propostos métodos para a detecção de limitações de potência, dos problemas de medição nos anemômetros e de desalinhamento de yaw, baseado nos dados dos próprios aerogeradores e torres anemométricas próximas. Os dois primeiros podem ser analisados verificando o efeito nas curvas de potência e nos indicadores de desempenho, sendo que no caso de problemas nos anemômetros, a indicação pode ser errônea tanto para problemas de performance como de desempenho melhor do que o real. Por fim, a detecção do desalinhamento de yaw se mostrou um problema que atinge cerca de 30% dos aerogeradores e impacta significativamente o desempenho dos parques eólicos. A metodologia proposta foi validada em aerogeradores de diferentes conjuntos eólicos de uma das maiores empresas privadas de energia do país e foi possível detectar aerogeradores com problemas de performance, estudar as causas e direcionar as equipes de manutenção para correções assertivas. Correções essas que resultam em um impacto direto no desempenho operacional e financeiro da planta.

Wind generation is facing expressive growth on its capacity in the last decade. Presenting a substantial increment in the energy matrix of the nation and worldwide. Nevertheless, it increases the importance of monitoring assets performance and guaranteeing they are operating as expected. The importance of actions plans to extinguish performance issues also grows since it can represent significant gains. This activity can be executed by the asset owners, even in cases where there is an operation and maintenance contract with the turbine manufacturer and has the objective to ensure the expected behavior when in operation. In case an anomaly is detected, there is the possibility to plan and prioritize the maintenance jobs. Based on that, this study has the main objective to propose a framework to detect performance issues in wind turbine generators based on its operational data. Initially the analysis can be done based on a performance indicator based on the power curve of each machine. It allows the detection of turbines with issues and that need additional and more detailed analysis, avoiding the necessity of studying all power curves periodically. The next proposed steps are related with the detection of derating, issues in the anemometers’ measurements and yaw misalignment. The first two methods can be executed based on specifics power curve behaviors. In the case of the anemometer issue, it can indicate both under and over performance wrongly. Lastly, yaw misalignment was detected in approximately 30% of the tested wind turbines and it has a significant impact in the wind farms’ production. The framework was validated in turbines from different wind complexes of one of the largest private energy companies in Brazil and it was possible to detect turbines with performance issues, analyze the root cause and manage the maintenance teams for assertive corrections. These corrections will have a direct impact in the operational and financial performance of the plant.