Energética XXI. Octubre 2024

APLICACIONES DE LA IA Liberar el poder de la IA para llevar el mantenimiento predictivo a los sistemas de almacenamiento de energía La inteligencia artificial (IA) y el aprendizaje automático pueden proporcionar advertencias anticipadas sobre posibles problemas operativos en instalaciones de sistemas de almacenamiento de energía en baterías (BESS). MICHAEL LIPPERT DIRECTOR DE INNOVACIONES Y SOLUCIONES DE ENERGÍA DE SAFT L os sistemas de almacenamiento de energía que operan a escala de mega- vatios desempeñan un papel vital en la penetración de energía renovable en las redes al convertir la producción de energía inherentemente variable e intermitente de las plantas eólicas y solares en un recurso fiable y gestionable. También pueden mejo- rar la estabilidad y resiliencia de la red ayu- dando a equilibrar la naturaleza fluctuante de la oferta y la demanda, además de pro- porcionar importantes servicios auxiliares, como la estabilización de frecuencia. La fiabilidad y la disponibilidad son facto- res críticos para garantizar que los operado- res puedan lograr el máximo retorno de la inversión (ROI) de las instalaciones de BESS. Por ese motivo, Saft ha actualizado el hard- ware y software de la plataforma de monito- rización I-Sight para el monitoreo remoto y en tiempo real de los activos de los sistemas de baterías de Li-ion con un algoritmo de in- teligencia artificial. La implementación de la IA implica que los operadores ahora se benefician de un servicio de mantenimiento predictivo que minimiza el riesgo por paradas no planifica- das o situaciones de emergencia y también prolonga la vida útil del sistema. La plataforma demonitorización I-Sight está diseñada para ser utilizada por administra- dores de contratos de energía, operadores y equipos de mantenimiento, y ha sido desa- rrollada y probada para su uso en los conte- nedores de baterías Intensiumque están inte- grados en varios sistemas de energía a nivel mundial, como plantas solares y eólicas que van desde 1 MW hasta varios cientos de MW. Asimismo, permite el seguimiento remoto y en tiempo real de las operaciones las 24 horas del día, los 7 días de la semana, admi- te la resolución de problemas y el manteni- miento, y supervisa los KPI de rendimiento frente a las garantías contractuales. Y tam- bién integra la adquisición de datos de bate- rías, sistemas de conversión de energía (PCS) y conexión a la red para llevar a cabo análisis de datos basados ​en la nube para presentar información sobre tendencias a través de su panel. Algoritmos de inteligencia artificial Con este último desarrollo, la plataforma libera todo el potencial de las soluciones de ‘data science’ permitiendo realizar man- tenimiento predictivo a través de IA. I-Sight incorpora dos funciones principales del ‘data science’. Por un lado, el gemelo digital permi- te anticipar el comportamiento de la batería partiendo de determinadas condiciones y por otro, el uso de algoritmos de inteligencia artificial (MLAs) optimiza el mantenimiento y el envejecimiento de las baterías. Procesar 10 millones de puntos de datos Al incorporar en I-Sight funciones de inteli- gencia artificial y aprendizaje automático, el equipo de científicos de datos de Saft tuvo que desarrollar algoritmos para extraer in- formación de unos 10 millones de puntos de datos generados cada día por un solo contenedor de batería, además de incorpo- rar décadas de experiencia y know-how. Al mismo tiempo, debían garantizar que la pla- taforma cumpliera con los más altos niveles de ciberseguridad. Llevar el mantenimiento predictivo al siguiente nivel El enfoque tradicional de mantenimiento del sistema de almacenamiento de energía ha sido detectar una alarma o rendimiento defi- ciente y luego tomar las medidas correctivas apropiadas con carácter de urgencia para restaurar la operación o el nivel requerido de rendimiento. Sin embargo, con la IA, I-Sight puede ofrecer mantenimiento predictivo. Al examinar una gran cantidad de datos, es posible identificar pequeñas señales que incluyen información útil, lo que permite detectar una degradación en el rendimiento mucho antes de que se convierta en un pro- blema operativo. Por ejemplo, un ligero au- mento en la temperatura de un módulo de batería o una variación en la tensión podría ser normal, o podría ser la primera señal de un problema en el desarrollo que requerirá acciones correctivas con meses o posible- mente años de anticipación. Esto permite planificar y programar el mantenimiento, eliminando el riesgo de cualquier evento de seguridad o tiempo de inactividad no planificado, asegurando que el sistema de almacenamiento de energía siempre cumpla con las garantías de rendi- miento ◉ RENOVABLES 70 ENERGÉTICA XXI · 240 · OCT 24