Weaver – Mantenimiento predictivo en subestaciones eléctricas

Indicadores y procesos de mejora

La empresa japonesa, en su labor de DSO, está afrontando el reto de mantener instalaciones que están llegando al final de su ciclo de vida, proporcionando un servicio excepcional e ininterrumpido al cliente con bajos costes de mantenimiento.

La solución permite al DSO evolucionar su filosofía de mantenimiento desde una perspectiva clásica de mantenimiento basado en frecuencia (preventivo) y correctivos cuando se produce una avería, hacia una visión más proactiva de mantenimiento basado en condición y predictivo sobre subestaciones eléctricas.

Con ello se consigue:

– Alargar el ciclo de vida de los activos gracias al conocimiento detallado de su estado actual y vida útil, lo cual permite seguir usando equipos que tienen un nivel de salud correcto aunque su fecha de sustitución teórica indique que hay que reemplazarlos.

– Reducir el número de averías y mantenimientos correctivos. La monitorización remota y los algoritmos de inteligencia artificial permiten realizar un diagnóstico detallado del estado de los equipos con el objetivo de minimizar el número de averías.

– Digitalizar los activos y evolucionar hacia un modelo sensorizado, conectado y monitorizado.

– Incrementar la eficiencia en las operaciones sobre campo. Se actúa en el momento adecuado en base a los resultados del procesamiento de datos que realiza Weaver.

– Aumentar la seguridad de los operarios. Se reducen los desplazamientos al disponer de la información en remoto y la reducción de averías. En el caso de tener que desplazarse, tienen un mayor conocimiento de las incidencias con antelación (estado, ubicación, gravedad, etc.).

– Aumentar la seguridad de las instalaciones. Weaver permite monitorizar el perímetro de la instalación para asegurar que no se producen vertidos ilegales y que el perímetro no está dañado.

– Mejorar el servicio al consumidor. Se evita que los equipos se averíen de forma anticipada, por lo que se producen menos fallos que afecten al consumidor.

– Reducir el OPEX para inspecciones físicas. Los gastos operativos disminuyen drasticamente por la reducción de averías, minimización de visitas a campo por parte de operarios, etc.

– Reducir las emisiones de CO2 por ahorro en desplazamientos. Al tener monitorizado de forma remota el estado de los activos, se minimizan las visitas a campo por parte de operarios para inspecciones visuales o mediciones.

Cuantificación/Estimación reducción consumo

Reducción del riesgo por fallas no detectadas en equipos en alrededor de un 33%.

Mayor cobertura en la inspección de equipos, comparado con otros sistemas de sensorización, de un 57% a cerca de un 90%.

Reducción del OPEX para inspecciones físicas en cerca de un 94%.

Reducción de consumo en combustibles fósiles (vehículos convencionales) o de consumo eléctrico (vehículos eléctricos) asociado a los desplazamientos a las instalaciones.

Cuantificación/Estimación reducción emisiones CO2

La solución está implantada en 1.300 subestaciones en las que se ha estimado que la Reducción de emisiones de CO2 por ahorro en desplazamientos en torno a 770mt CO2 gracias a:

– Minimización de los desplazamientos a las instalaciones, los cuales producen emisiones de CO2 por el uso de vehículos que usan combustibles fósiles.

– Reducción de desplazamientos urgentes debido al alto nivel de monitorización remota que permite obtener información precisa y planificar el momento en que se deben abordar los desplazamientos.

Innovación aplicada y buenas prácticas

El proyecto se ha desarrollado en el marco concreto de una empresa enérgetica para eficientar tanto cuantitativa como cualitativamente el mantenimiento de sus activos, concretamente las subestaciones eléctricas.

Para ello se introducen técnicas de monitorización concretas utilizando dispositivos IoT y poco extendidas en el sector entre los inputs del proceso de mantenimiento de los activos.

La explotación de los datos captados por los dispositivos se realiza con un Motor de Inteligencia Artificial específico para el caso de una Utility basado en los siguientes algoritmos analíticos:

– Detección de fugas de Aceite

– Detección de anomalías sonoras en base al grado de desviación del sonido frente al estado normal del activo

– Detección de daños en el perímetro de la instación que posibiliten la entrada de intrusos

– Detección de objetos vertidos ilegalmente en el área de la subestación

– Lecturas del medidor del nivel de aceite (analógico)

– Identificación de luces y alarmas del panel de control

Además es un sistema aplicable a cualquier equipo o componente de la subestación independientemente del fabricante.

Usabilidad de Tecnologías de la Información y Comunicaciones

La plataforma se basa principalmente en las siguientes tecnologías:

– Utilización de IoT para la monitorización de los activos (sensores de imagen (cámaras) y sensores de audio (micrófonos)

– Seis algoritmos análiticos basados en Inteligencia artificial para la explotación de la información recopilada por los sensores IoT.

1) Detección de fugas de Aceite
2) Detección de anomalías sonoras en base al grado de desviación del sonido frente al estado normal del activo
3) Detección de daños en el perímetro de la instación que posibiliten la entrada de intrusos
4) Detección de objetos vertidos ilegalmente en el área de la subestación
5) Lecturas del medidor del nivel de aceite (analógico)
6) Identificación de luces y alarmas del panel de control