Candidatura

Preservación de aves protegidas en parques eólicos

Iberdrola líder mundial en energías renovables, desde hace años abandera la transición energética apostando por la generación de energía verde. Con el objetivo de proteger las especies o mitigar el daño causado sobre las mismas, Iberdrola plantea junto con Minsait (unidad de Phygital) el desarrollo experimental de una solución que permita detectar la presencia de avifauna en sus parques eólicos e identificar las familias de aves para actuar sobre los aerogeneradores según se determine.

Indicadores y procesos de mejora

La solución supervisará un perímetro alrededor del parque eólico de unos 5 km que irá detectando las posibles aves en vuelo de colisión con los aerogeneradores, para orientar una cámara de espectro visible hacia dichos puntos y obtener imágenes. Los principales beneficios que se podrán obtener serán:
– Controlar y alertar de intrusiones no autorizadas evitando posibles accidentes en el entorno del parque eólico.
– Reducir la mortandad de aves protegidas causadas por colisión con las aspas y la pérdida de hábitats de estas especies reduciendo su impacto medioambiental.
– Recopilar información de forma constante sobre las aves que habitan de forma permanente o temporal en el entorno del parque eólico, identificando tipos de especies, vuelos predominantes y su altura, patrones migratorios, etc. Esta información permitirá la obtención de una visión detallada de la avifauna presente en la zona y aumentar la sostenibilidad de la explotación del PE con la vida silvestre.

Cuantificación/Estimación reducción emisiones CO2

Dejando a un lado el impacto de la reducción de la huella de carbono por el consumo de energía verde, con la implantación de la solución se pretende conseguir:
– Reducción de impacto ambiental al reducir el número y el tiempo de parada causado por trayectorias posibles de colisión de aves protegidas. Se incrementa la disponibilidad de producción de energía renovable y la reducción del uso de combustibles fósiles.
– Reducción del número de mortalidad de carroñeros, que ayudan de forma indirecta a reducir los niveles de CO2 emitidos a la atmósfera al eliminar las reses muertas de la naturaleza sin necesidad de la retirada artificial por transporte terrestre y su posterior tratamiento.
-Ayuda al cumplimiento de los Objetivos de Desarrollo Sostenible, al tener una visión detallada y global de la avifauna presente en la zona. Se promueve la reducción de la degradación de los hábitats naturales, detener la pérdida de biodiversidad y, proteger las especies amenazadas y evitar su extinci

Innovación aplicada y buenas prácticas

La metodología de trabajo será iterativa con trabajo experimental en campo y la solución estará basada en las siguientes tecnologías avanzadas:
– Radar3D de Media Distancia: permite detectar posibles aves en el espacio aéreo y monitorizar su trayectoria. Se establecerán patrones de comportamiento, registrando automáticamente información del tamaño, velocidad, dirección y ruta de vuelo.
– Visión Artificial: una vez detectado el objeto, se analizará la imagen para clasificar el tipo de ave en tiempo real y comunicárselo al radar para su seguimiento.
– Algoritmia: determinará las probabilidades de colisión para lanzar alarmas en base a las reglas de actuación establecidas que se irán ajustando (comandos de parada o arranque de los SCADAS, regulación de velocidad, etc).
– Análisis Forense: se almacenará el histórico de alarmas generadas e información asociada (imágenes, registro de trayectorias, mapas de calor, condiciones que causaron el lanzamiento de paradas de los aerogeneradores,

Usabilidad de Tecnologías de la Información y Comunicaciones

Las principales tecnologías que se aplicarán serán las siguientes:
-Tecnología de Radar3D: empleando ondas de radar permitirá detectar posibles blancos (aves) en el cielo circundante al parque eólico y monitorizar su trayectoria.
– Tecnología de Visión Artificial: una vez detectado el ave, se procederá a obtener una imagen del ave en vuelo y a analizarla:
• En particular, la localización del ave a través de imagen se realizará mediante el framework YOLOv5.
• Una vez realizada esta localización, se realiza una clasificación del tipo de ave a través de redes neuronales con backbone RESNET.
– Algoritmia: se partirá de modelos pre-entrenados sobre los que realizar los desarrollos:
• DeepBird: A deep learning pipeline for wildlife camera data analysis
• A Temporal Boosted YOLO-Based Model for Birds Detection around Wind Farms
– Histórico de datos para el Análisis Forense: se utilizará la solución de Minsait Onesait® Assets para el registro de eventos y su posterior explotación.