L’AI usata a scopo preventivo per l’eolico

L’AI usata a scopo preventivo per l’eolico

Per combattere il ghiaccio, nemico delle turbine, alcuni ricercatori hanno messo a frutto un algoritmo che può riconoscere danni preventivi prima che sia troppo tardi

Durante l’inverno, ossia quando terreno e campagne vengono di sovente ricoperte di ghiaccio, l’impianti eolici che producono energia possono riportare perdite di produzione fino al 20%. E questo non è il lato peggiore. Secondo la società di consulenza canadese per il settore eolico TechnoCentre Éolien (TCE), con il passare del tempo, la fuoriuscita di ghiaccio dalle pale può danneggiare le lame o i componenti interni, rendendo necessarie riparazioni costose. C’è un caso d’uso chiaro e presente in cui l’analisi predittiva può rappresentare un grosso vantaggio. In che modo? Tramite un sistema di intelligenza artificiale che rileva la formazione di ghiaccio sulla turbina eolica e mette in azione delle attività per evitare problemi di natura maggiore.

Come salvare l’eolico

Ed è quanto realizzato da un team di ricercatori, che ha descritto in un articolo (“WaveletFCNN: A Deep Time Series Classification Model for Wind Turbine Blade Icing Detection“) come può funzionare un metodo di analisi, monitoraggio e intervento preventivo a supporto delle infrastrutture eoliche. “Combinando efficacemente le reti neurali profonde e la trasformazione delle ondicelle si possono identificare i guasti in modo sequenziale nel tempo”. Il sistema, conosciuto come “WaveletFCNN” si basa su una rete neurale convoluzionale di Fourier (FCNN), un network funzionale per la classificazione delle serie temporali. Nei test, WaveletFCNN è andato ben oltre le AI più all’avanguardia, in 64 di 85 set di dati, ed è stato successivamente utilizzato per rilevare i segnali anomali raccolti da un parco eolico.

I ricercatori hanno prima addestrato WaveletFCNN per classificare le serie temporali, ovvero successioni di punti dati indicizzati in ordine cronologico, con informazioni di input generati da sensori che registrano la velocità del vento, la temperatura interna, le posizioni di imbardata, gli angoli di inclinazione, la potenza e altre condizioni della turbina. Quindi, hanno progettato un componente secondario, un algoritmo di monitoraggio delle anomalie, per individuare i segni sulle lame congelate. In una serie di simulazioni condotte su dati di Goldwind, uno dei maggiori produttori di turbine eoliche in Cina, WaveletFCNN ha ottenuto una precisione di previsione dell’81,82%, rispetto al 65,91% del classificatore FCNN originale.

“I parchi eolici di solito si trovano in regioni remote, montuose o vicino al mare, il che rende il monitoraggio e la manutenzione più impegnativi. La nostra soluzione aiuterà a evitare guasti prematuri, a ridurre i costi di manutenzione e a sostenere l’ulteriore sviluppo di una turbina eolica”.

Leggi anche:  Mobilità: per due italiani su tre le app aumentano la sicurezza