OptiWindSeaPower: gestión integral óptima de parques eólicos offshore mediante nuevos modelos matemáticos (1ª parte)

Abstract

Las políticas de Unión Europea en energía y medio ambiente están dirigidas a impulsar y desarrollar plataformas eólicas offshore. Ello hace que el sistema eléctrico español vaya a depender, cada vez más, de este tipo de sistemas de generación eléctrica. Los aerogeneradores para este caso son de mayor tamaño, más complejos y, requieren de unas altas exigencias de seguridad, fiabilidad, disponibilidad y mantenibilidad. En este proyecto se aborda dicha problemática planteando como fin último la gestión integral y óptima de este tipo de parques de aerogeneradores. El proyecto que da origen a este artículo parte con la intención de continuar y completar el proyecto Nacional WindSeaEnergy (DPI2012-31579), donde se analizaron las referencias científicas más importantes en revistas de alto impacto, observándose que existen grandes carencias de modelos matemáticos que permitan analizar las señales que se están monitorizando mediante Ensayos No Destructivos (END) para determinar el estado de las estructuras, así como en la gestión óptima de los aerogeneradores y los parques eólicos. OptiWindSeaPower ha continuado y completado este estudio iniciado en el ámbito de los elementos rotativos del aerogenerador y de la gestión del mantenimiento de los mismos, haciendo un estudio más exhaustivo en los sistemas de monitorización y métodos de procesamientos de señales para los elementos estructurales de dichos equipos. Se han tomado como referencia datos de los proyectos nacionales IcingBlades y WindSeaEnergy, además de los proyectos Europeos OPTIMUS y NIMO. Se ha diseñado y desarrollado un banco de ensayos de un sistema de monitorización basado en END, en ultrasonidos, para determinar el estado estructural de los aerogeneradores para completar dicho conjunto de señales. Se ha elaborado un modelo del coste de ciclo de vida para el sistema predictivo de mantenimiento. Así como se propone emplear modelos matemáticos basados en el análisis en el tiempo, la frecuencia y tiempo/frecuencia, así como Transformadas Wavellets, Redes Neuronales/Inteligencia Artificial, métodos basados en la extracción de características de la señal y derivados de la función de transferencia del sistema. El análisis multivariable se ha realizado mediante Árboles de Decisión Lógicos, que se analizarán empleando Diagramas de Decisión Binarios, y las medidas de importancia creadas mediante métodos heurísticos. Esto permite controlar y optimizar el estado de un aerogenerador de forma íntegra. Finalmente se han creado nuevos índices de significancia basados en costes y se formula el problema de optimización y su resolución mediante métodos metaheurísticos para determinar la política óptima de inversiones en la gestión de este tipo de parques.