INTELLIGENZA ARTIFICIALE
AI al servizio dell’energia rinnovabile: Anomaly detection e manutenzione predittiva
Oggi i fornitori di energia cercano soluzioni per ottimizzare le prestazioni e la produttività delle fonti energetiche alternative. LINCOLN, società di consulenza del Gruppo ALTEN specializzata nella valorizzazione dei dati, ha supportato la progettazione di soluzioni per la gestione di impianti e apparecchiature in parchi eolici e fotovoltaici. Attraverso lo sviluppo di modelli statistici e predittivi, LINCOLN aiuta a identificare anomalie e a implementare strategie di manutenzione proattiva.
I metodi tradizionali per identificare problemi legati alle apparecchiature e alle prestazioni sono spesso poco reattivi e poco efficaci. Per questo, uno dei principali operatori energetici europei si è rivolto a LINCOLN per sfruttare il potenziale dell’intelligenza artificiale, sviluppando metodi statistici avanzati per il rilevamento delle anomalie e la manutenzione predittiva nel settore delle energie rinnovabili.
Sfida: Progettare modelli di intelligenza artificiale e statistici, basati su dati eterogenei, per:
- Rilevare anomalie in tempo reale;
- Implementare strategie di manutenzione predittiva;
- Ottimizzare la gestione di parchi eolici e fotovoltaici.
Soluzione: Sviluppo di modelli statistici robusti e sistemi di previsione locale per:
- Identificare anomalie e potenziali perdite di produzione;
- Migliorare l’efficienza operativa e la produttività degli impianti.
Vantaggi:
- Maggiore comprensione degli asset energetici;
- Analisi approfondite dei dati di parchi eolici e fotovoltaici;
- Manutenzione proattiva, con riduzione dei guasti e dei costi di intervento;
- Ottimizzazione delle performance e minimizzazione delle perdite energetiche;
- Efficienza operativa e riduzione dei tempi di inattività degli impianti.
Dati per migliorare la produttività
Il progetto si è concentrato sull’utilizzo dell’analisi dei dati, includendo attività di data cleansing e la costruzione di indicatori, per aggregare e pre-processare informazioni provenienti da diverse fonti. Il team ha integrato dati contestuali (come le condizioni meteo e le informazioni su modello ed età delle apparecchiature) per individuare le cause alla radice delle anomalie, insieme ai dati dei sensori IoT per rilevare variazioni ambientali.
I dati provenienti dai dispositivi meteo e dai pannelli fotovoltaici sono stati raccolti e archiviati in un data lake centralizzato. Successivamente, sono stati costruiti indicatori specifici e “ripulite” le misurazioni. La fase successiva ha riguardato lo sviluppo di modelli statistici avanzati, che hanno incluso l’applicazione di catene di Markov, analisi delle sequenze e tecniche di riconoscimento dei pattern.
Sono stati sviluppati modelli predittivi locali per specifiche aree, poi confrontati con i dati reali per individuare scostamenti e stimare la percentuale di perdita di produzione, consentendo un’identificazione tempestiva delle situazioni di sotto-performance. Per testare l’efficacia del sistema, il team ha creato modelli operativi utilizzando dati storici (“cold data”) relativi ad anomalie già individuate. L’integrazione completa di dati provenienti da più fonti ha migliorato in modo significativo la qualità delle analisi.
Strumenti e tecnologie
Per l’analisi dei dati e la modellazione statistica sono stati utilizzati i linguaggi Python e R; Docker ha permesso il deployment dei modelli in ambienti containerizzati, mentre GitHub ha supportato il controllo di versione e la collaborazione tra i team. Sono stati inoltre impiegati strumenti di data visualization per il monitoraggio e la reportistica.
Dai modelli alla manutenzione
Il cliente di LINCOLN prevede di applicare queste tecniche statistiche avanzate per garantire un rilevamento accurato delle anomalie e delle perdite. Grazie al monitoraggio in tempo reale e a misure operative mirate, sarà possibile anticipare i guasti (ad esempio la rottura delle pale, il degrado dei cuscinetti del rotore o del generatore), riducendo la frequenza e i costi degli interventi, minimizzando le perdite di energia e favorendo azioni di manutenzione proattiva.
In questo modo, l’esperienza di LINCOLN nell’analisi dei dati contribuirà a migliorare la produttività complessiva, aumentare l’efficienza e ridurre i tempi di fermo degli impianti.