El origen de esta evolución fue el cambio de mentalidad que supuso en las grandes compañías energéticas el comenzar a operar y mantener activos renovables. A diferencia de la operación de las centrales térmicas o nucleares, donde 2-3 activos generaban toda la energía de la instalación, los parques eólicos y solares requieren de cientos de activos para disponer de la misma potencia instalada que uno sólo de los grupos anteriores. Donde una sala de control local podía operar toda la central, ahora las instalaciones renovables pueden llegar a disponer de un único supervisor local para varios de sus parques y un despacho de control central para toda su cartera de generación por lo que el cambio de mentalidad en la operación era evidente.
A pesar de ello, las soluciones tecnológicas disponibles para los activos renovables correspondían con aquellas que habían sido heredadas de las centrales fósiles realizando pequeñas modificaciones que no permitían cubrir todos los procesos de Negocio, en especial en lo referente a la información de los activos ya que los datos recibidos crecían exponencialmente al número de activos disponibles en cada parque.
La variabilidad de las energías renovables suponía la necesidad de predecir la generación disponible que podría tener cada instalación a diferencia de los programas de carga de las centrales fósiles/nucleares cuyo arranque-parada era decisión propia de la compañía energética, obviamente siempre que no surgiera una indisponibilidad nunca deseada. La previsión de generación eólica puede considerarse como el primer gran modelo analítico que fue implantado a gran escala donde la predicción de la energía producible en base a mediciones esperadas de viento y la propia curva Potencia-Velocidad de viento de cada modelo de aerogenerador eran las variables originales. Considerar parámetros más avanzados como la propia pérdida de rendimiento de los aerogeneradores en años anteriores o los descargos de generación previstos eran los modelos top en ese momento en el área de generación.
La introducción de estos modelos de previsión dio paso a los mantenimientos predictivos donde a partir de comportamientos históricos del activo, se establecían los límites de funcionamiento correcto de forma que cualquier medición fuera de ellos provocara un envío de una alarma/aviso al responsable correspondiente.
Estos modelos analíticos iniciales fueron la palanca que provocó el desplazamiento de los activos del epicentro de toda la gestión de Operación & Mantenimiento dejando esta posición a la información del propio activo, convirtiendo a las empresas energéticas en las denominadas Data Centric Company.
Los activos renovables requieren de automatismos y tecnología que apoyen a los supervisores y Centros de Control en la gestión de todo este gran volumen de activos y especialmente de toda la información que generan.
Debido a ello, cada vez eran más comunes inversiones en proyectos de modelo de Gobierno del Dato donde responsables de diferentes áreas de una compañía comienzan a trabajar la información de una forma organizada y procedimentada para que pueda ser almacenada bajo un estándar en el Datalake de la compañía.
Precisamente la disponibilidad de un Datalake en el que se registre toda la información relevante de diversas áreas de la compañía se torna en imprescindible para las empresas de generación renovable. La transición energética está suponiendo el incremento de nuevos activos en las compañías por lo que la rentabilidad de esta acción queda asegurada.
Sin embargo, todavía quedaba margen de mejora en la explotación de todo este gran volumen de información adquirida. Las compañías empezaron a definir nuevos modelos de previsión avanzados para optimizar el mantenimiento de los activos. Ya no sólo estaban centrados en el comportamiento propio del elemento sino en los propios equipos responsables de su reparación e inspección. Gracias a los Datalake, disponemos de toda la información de estas brigadas registrada: cualificación, repuestos disponibles, ubicación prevista; son algunos de los parámetros que se tienen en cuenta en los modelos de asignación automática de órdenes de trabajo para optimizar mantenimientos correctivos y preventivos en términos de tiempo y coste.
De idéntica forma, los costes de inversión también son objeto de este tipo de modelos avanzados en los que a partir de la evolución prevista en el precio de las materias primas, la demanda mundial o el coste de la mano de obra en el país de fabricación, las áreas de compras son capaces de predecir la evolución del precio de activos renovables como, por ejemplo, las placas fotovoltaicas.
Incluso con todos estos avances tecnológicos, las compañías energéticas han incrementado la información de sus instalaciones con la inclusión de cámaras y micrófonos de forma que las imágenes y sonidos que se producen en su interior (góndolas de los aerogeneradores) o en su alrededor (subestaciones eléctricas), también sean utilizadas para automatizar procesos de revisión de contadores, daños superficiales, derrames de aceites o posibles síntomas de incidencias.
Todo este recorrido en la evolución de la tecnología y los procesos en las instalaciones renovables tiene su última parada en el activo digital. Disponer de un aerogenerador casi real a través de la realidad virtual en el que poder realizar formaciones en trabajos de riesgo supone no sólo evitar la generación de paradas que reducen la producción eólica sino que además permite a los equipos de mantenimiento no incurrir en ningún riesgo que pueda poner en peligro su seguridad laboral.
Estos activos renovables digitales están convirtiéndose en la última tendencia del sector con los llamados “digital twins” que ofrecen oportunidades de simular escenarios de operación y mantenimiento para su aplicación posterior en su “gemelo real”.
Es cierto que los objetivos de la transición energética son tan ambiciosos como necesarios pero para poder cumplirlos seguirá siendo imprescindible continuar con esta evolución tecnológica que permita a las empresas optimizar todo el proceso de generación renovable, desde la construcción hasta la puesta en marcha y explotación de las instalaciones.
NTT DATA
Manager Utilities & Energy
