El Instituto Tecnológico y de Energías Renovables (ITER), órgano que depende del Cabildo de Tenerife; y la Universidad Politécnica de Valencia (UPV) han unido fuerzas en AEROTWIN. Se trata de un proyecto para desarrollar un sistema integral de monitorización de aerogeneradores con el objetivo de identificar y diagnosticar defectos en los componentes principales de estas estructuras. También se busca la predicción de su evolución para su mantenimiento predictivo. Para ello, emplearán técnicas de inteligencia artificial.
El sistema se basará en el uso de sensores estratégicamente ubicados en diferentes partes del aerogenerador. Su principal innovación radica en el uso de redes neuronales artificiales para el control de los distintos elementos que forman la parte mecánica del molino a través de los valores eléctricos del generador y para la monitorización del estado de la torre y la cimentación mediante sensores, que no afectan al funcionamiento ni a la estructura, permitiendo detectar posibles anomalías.
Comercializarlo
El presupuesto total del proyecto asciende a 482.239,13 euros, de los cuales un 52% corresponde a ITER y un 48% a la UPV. El proyecto AEROTWIN está financiado por el Ministerio de Ciencia e Innovación y la Agencia Estatal de Investigación y por la Unión Europea en el marco de del Plan de Recuperación de la UE Next Generation EU y del Plan de Recuperación, Transformación y Resiliencia de España (PRTR).
AEROTWIN dio inicio con una reunión de lanzamiento el pasado 2 de diciembre de 2022, marcando el inicio de los objetivos y tareas previstos para el primer trimestre. Al finalizar el proyecto, el consorcio formado por el ITER y la UPV validará el sistema AERO-TWIN en un entorno operacional real, utilizando para ellos los aerogeneradores que el Instituto tiene en funcionamiento en Tenerife.
Una vez desarrollado, se prevé comercializar el sistema como un servicio para las empresas encargadas de la operación y el mantenimiento de parques eólicos. Entre sus principales impactos se espera incidir positivamente en la toma de decisiones y la minimización de los periodos de inactividad, gracias a la detección de averías en fases tempranas, así como en la realización de un mantenimiento planificado y optimizado para ahorrar costes. Esto se vuelve especialmente relevante dado que, a medida que la capacidad de las turbinas aumenta, los costes asociados a los periodos de inactividad y las reparaciones también se incrementan.