MINISTÉRIO DA EDUCAÇÃO UNIVERSIDADE FEDERAL DO RIO GRANDE DO SUL PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA ANÁLISIS DE MANTENIMIENTO DE UN AEROGENERADOR DE EJE HORIZONTAL por Diego Maiuri Pazo Dissertação para obtenção do Título de Mestre em Engenharia Porto Alegre, Abril de 2017 ANÁLISIS DE MANTENIMIENTO DE UN AEROGENERADOR DE EJE HORIZONTAL por Diego Maiuri Pazo Engenheiro Industrial Mecânico Dissertação submetida ao Programa de Pós-Graduação em Engenharia Mecânica, da Escola de Engenharia da Universidade Federal do Rio Grande do Sul, como parte dos requisitos necessários para a obtenção do Título de Mestre em Engenharia Área de Concentração: Mecânica de Sólidos Orientador: Prof. Dr. Ignacio Iturrioz Co-orientador: Prof. Dr. Juan Pablo Raggio Quintas Aprovada por: Prof. Dr. Tiago Becker - PROMEC / UFRGS Prof. Dr. Herbert Martins Gomes - PROMEC / UFRGS Prof. Dr. Adriane Prisco Petry - PROMEC / UFRGS Prof. Dr. Jakson Manfredini Vassoler Coordenador do PROMEC Porto Alegre, 26 de Abril de 2017 ii AGRADECIMIENTOS Quisiera agradecer a la UFRGS y a la UdelaR por el apoyo brindado, tanto en la implantación del programa MINTER, como en el transcurso del mismo, haciendo posible la realización de este trabajo; a mi orientador Ignacio Iturrioz y mi co-orientador Juan Pablo Raggio Quintas por los conocimientos transmitidos; al cuerpo docente del PROMEC por los cursos brindados; a mis compañeros de estudio con los que he recorrido este camino, en especial a Valentina Machin, Francisco Puignau y Cecilia Caprani, con quienes hemos compartido viajes, jornadas de estudio y me han dado soporte en aspectos técnicos y emocionales siempre que lo he necesitado; a mis colegas del Departamento de Diseño Mecánico; al Profesor Daniel Moretti, con quien he recorrido mi carrera en el Departamento de Diseño Mecánico hasta su jubilación, y me ha formado no solo profesionalmente, sino que también me ha aportado muchísimo en el aspecto humano por sus valores transmitidos; a mis colegas de trabajo, con los cuales hemos compartido conocimientos y experiencias que me han enriquecido profesionalmente; a mi padre, mi madre, mi hermana, mi novia y amigos por el apoyo durante todo el transcurso de este trabajo, y por entenderme cada vez que sacrificaba un momento con ellos para continuar con este trabajo. iii RESUMEN La energía eólica es una de las fuentes de generación de energía que se ha consolidado como una energía renovable no convencional en el correr de los últimos años. En particular, en Uruguay, este tipo de generación de energía se ha impuesto repentinamente en la actualidad, en el marco de una política energética 2005-2030, la cual, apuesta, entre otras cosas, una diversificación de la matriz energética, procurando impulsar las energías renovables, eliminando así la dependencia del petróleo, y aprovechando los recursos autóctonos. En este contexto, es de gran importancia la gestión del mantenimiento de aerogeneradores, con el fin de maximizar la disponibilidad de los mismos. Por lo tanto, en este trabajo se pretende conocer las tareas de mantenimiento en términos generales, ubicar las tasas de falla del caso estudiado en relación a datos estadísticos de la industria, y procurar encontrar soluciones para aquellas fallas que generan mayor indisponibilidad y, consecuentemente, mayor pérdida económica. Se ha hecho especial énfasis en el estudio de fallas de tres componentes que generan grandes indisponibilidades: daños de palas, daños de rodamientos y engranajes de multiplicadoras, y fallas de reductoras del sistema de orientación. En relación a cada una de estas fallas, se ha presentado una propuesta de mejora del plan de mantenimiento asociada. En particular, en el caso de la falla de las reductoras del sistema de orientación se ha estudiado también su naturaleza. En el caso de daños de rodamientos y engranajes de multiplicadora, se ha estudiado también la posibilidad de utilizar los datos del sistema SCADA como herramienta de mantenimiento predictivo, aunque sin encontrarse técnicas que permitan obtener conclusiones claras en los casos estudiados. Palabras clave: Mantenimiento; Aerogeneradores. iv RESUMO A energia eólica é uma das fontes de geração de energia que se consolidou como uma energia renovável não convencional no decurso dos últimos anos. Em particular, em Uruguai, este tipo de geração de energia foi imposto repentinamente na atualidade, no marco de uma política energética 2005-2030, que aposta, entre outras coisas, a uma diversificação da matriz energética, procurando impulsionar as energias renováveis, eliminando assim a dependência do petróleo, e aproveitando os recursos autóctones.Neste contexto, é de grande importância a gestão da manutenção de turbinas eólicas, a fim de maximizar sua disponibilidade. Portanto, este trabalho tem como objetivo atender a manutenção em termos gerais, localizando as taxas de falha do caso estudado em relação aos dados estatísticos da indústria, e tentar encontrar soluções para falhas que geram maior indisponibilidade e, consequentemente, maior perda econômica. Estudaram-se em particular as falhas de três componentes que geram grande indisponibilidade: danos das pás, danos dos rolamentos e engrenagens da caixa multiplicadora e falhas nas caixas redutoras do sistema de orientação. Em relação a cada uma dessas falhas, se apresentou uma proposta para melhorar o plano de manutenção associado. Em particular, no caso da falha das redutoras do sistema de orientação também se estudou sua origem. No caso de danos de rolamentos e engrenagens da caixa multiplicadora, também se estudou a possibilidade de utilizar os dados do sistema SCADA como ferramenta de manutenção preditiva, mas sem encontrar técnicas para obter conclusões claras nos casos estudados. Palavras-chave: Manutenção; Turbinas Eólicas. v ABSTRACT Wind power is one of the energy generation sources that have consolidated as a nonconventional renewable energy in the last few years. In Uruguay, particularly, this kind of energy has rapidly been installed, within the framework of an energy policy 2005-2030, which seeks, among other things, a diversification of the energy matrix, trying to promote renewable energies, removing the dependence of oil, taking advantage of the country resources. In this context, the maintenance management takes special importance, in order to maximize wind farms availability. Therefore, this paper aims to know the maintenance tasks in general terms, locate the failure rates of the case studied in relation to statistical data of the industry, and seek to find solutions for those failures that generate greater unavailability and, consequently, greater economic loss. Particular emphasis has been placed on the study of three component faults that generate great unavailability: blade damage, gearbox gear and bearing damage, and failure of gearboxes of the yaw system. In relation to each of these failures, a proposal has been presented to improve the maintenance plan. In particular, in the case of the failure of the yaw system gearboxes, has also been studied its origin. In the case of gearbox gear and bearing damage, it has also been studied the possibility of using SCADA data as a predictive maintenance tool, although it has not be possible to finding techniques to obtain clear conclusions in the cases studied. Keywords: Maintenance; Wind Turbines. vi ÍNDICE 1 1.1 1.2 1.3 INTRODUCCIÓN ………………………………………………….......... Motivación ………………………………………………………………… Objetivo …………………………………………………………………… Descripción del trabajo …………………………………………………..... AEROGENERADORES ………………………………………………… Góndola ……………………………………………………………………. Rotor ……………………………………………………............................. Palas …………………………………………….......……………………... Buje ………………………………………………...........………………… Nariz …….……………………………………………………………......... Tren de potencia ……………………………………………...........………. Eje principal ………………………………….....…………………………. Multiplicadora ……………………..………………………………………. Sistema de generación eléctrica …………………………………................. Generador eléctrico …………….………….....……………………………. Transformador …………………………………………………………….. Sistema de orientación …………………………………………………....... Sistema hidráulico …………………………………………………………. Sistema de cambio de paso ……………………………………………........ Sistema de control …………………………………………………………. 1 5 7 7 2 2.1 2.2 2.2.1 2.2.2 2.2.3 2.3 2.3.1 2.3.2 2.4 2.4.1 2.4.2 2.5 2.6 2.7 2.8 9 12 12 12 14 14 14 15 16 21 21 23 24 27 27 28 3 3.1 3.1.1 3.1.2 3.1.3 FALLAS EN AEROGENERADORES ..................................................... Distribución de fallas en aerogeneradores …………………………………. Fallas de la multiplicadora …………………………………………………. Fallas del generador ………………………………………………………... Fallas de las palas ………………………………………………………….. MANTENIMIENTO PREVENTIVO DE AEROGENERADORES …. vii 30 30 38 41 42 4 44 4.1 4.2 4.3 Mantenimiento preventivo del tren de potencia .…………………………… Mantenimiento preventivo del sistema de generación eléctrica …….…….. Mantenimiento preventivo del sistema de orientación …….……………….. 44 46 46 5 5.1 5.2.1 5.2 5.2.1 5.2.2 52.3 MONITOREO DE AEROGENERADORES …………………………... Utilización de las variables registradas en el sistema SCADA ……….…….. Mantenimiento predictivo basado en análisis datos de SCADA …………… Monitoreo de vibraciones en aerogeneradores …………………………….. Frecuencias de falla ………………………………………………………... Procesamiento de datos ……………………………………………………. Estado del arte ……………………………………………………………... ANÁLISIS DE FALLAS HISTÓRICAS……………….………………... Procesamiento de datos ………………………………................................. Análisis de datos …………………………………………………………... Daños de palas …………………………………………………………….. Falla de reductoras del sistema de orientación Daños de engranajes y rodamientos de multiplicadoras …………………… PROPUESTA DE MEJORAS AL PLAN DE MANTENIMIENTO …... Modificación del plan de inspecciones y mejora del sistema de captación de rayos de palas ……………………………………………………………… 48 48 49 51 51 55 57 6 6.1 6.2 6.3 6.4 6.5 58 59 60 62 66 68 7 7.1 84 84 7.2 Instalación de un sistema de monitoreo continuo de vibraciones del tren de potencia ……………………………………………………………………. Mantenimiento predictivo de reductoras del sistema de orientación ………. CONCLUSIONES ……………………………………………………….. 85 7.3 86 8 88 REFERENCIAS BIBLIOGRÁFICAS ……………………………………………. ANEXO A ……..……………………………………………………………………. viii 90 94 ANEXO B ……...……………………………………………………………………. 96 ix LISTA DE FIGURAS Figura 1.1 Figura 1.2 Figura 1.3 Figura 1.4 Figura 1.5 Figura 1.6 Figura 1.7 Figura 2.1 Figura 2.2 Figura 2.3 Figura 2.4 Figura 2.5 Figura 2.6 Figura 2.7 Figura 2.8 Figura 2.9 Figura 2.10 Figura 2.11 Figura 2.12 Figura 2.13 Figura 2.14 Figura 2.15 Figura 2.16 Figura 2.17 Figura 2.18 Potencia eólica global instalada anual [GWEC, 2016] ........................ Potencia eólica global instalada acumulada anual [GWEC, 2016] ....... Composición de la matriz energética global, años 2009 y 2014 [The Shift Data Project Portal, 2016] ……………………………………… Potencia instalada por los principales fabricantes de turbinas [Smead, 2014] ………………………………………………………………… Potencia eólica instalada anual y acumulada en Uruguay [AUDEE, 2016] ………………………………………………………………… Potencia eólica instalada anual y acumulada en América Latina y el Caribe [GWEC, 2007-2016] …………………………………………. Potencia eólica instalada acumulada en América Latina y el Caribe, por país o región [GWEC, 2016] …………………………………….. Esquema general de transformación de energía de un aerogenerador [adaptado de Hau, 2006] ……………………………………………... Componentes de un aerogenerador moderno de eje horizontal [Pinar Pérez, J.M., 2013] ……………………………………………………. Esquema estructural de la pala [adaptado de Conti-Ramsden et al., 2015] ……………………………………………………………….... Esquema de sistema de descarga a tierra de corrientes de rayos de la pala …………………………………………………………………... Eje principal de la turbina (vista posterior) …………………………... Multiplicadora de la turbina en estudio [www.sparesinmotion.com, 2016] ………………………………………………………………… Multiplicadora de una etapa planetaria y dos paralelas helicoidales [IEC 61400-4:2012]……..…………………………………………… Circuito de acondicionamiento de aceite de multiplicadora ………….. Freno de una multiplicadora desacoplada al generador ………………. Acoplamiento flexible multiplicadora-generador ……………………. Junta rotativa de doble paso [Manual de instrucciones de juntas rotativas Deublin serie 7100] ………………………………………… Esquema de conexión eléctrica a la red [adaptado de Hau, 2006] ……. Sistema de anillos deslizantes del rotor (vista lateral) ………………... Sistema de anillos deslizantes del rotor (vista posterior) ……………... Transformador seco Siemens GEAFOL [www.energy.siemens.com] . Motor y reductoras del sistema de orientación ……………………….. Etapa planetaria de reductora del sistema de orientación …………….. Engranaje motriz en la punta de eje de la reductora del sistema de orientación ………………………………………………………….... x 1 2 2 3 4 5 6 9 11 13 14 15 16 17 18 19 20 20 21 22 22 23 24 25 25 Figura 2.19 Figura 2.20 Figura 2.21 Figura 2.22 Figura 2.23 Figura 3.1 Figura 3.2 Figura 3.3 Figura 3.4 Figura 3.5 Figura 3.6 Figura 3.7 Figura 3.8 Figura 3.9 Figura 3.10 Figura 3.11 Figura 3.12 Figura 3.13 Figura 3.14 Figura 3.15 Figura 3.16 Figura 3.17 Figura 3.18 Figura 5.1 Figura 6.1 Figura 6.2 Figura 6.3 Figura 6.4 Figura 6.5 Anillo del sistema de orientación …………………………………….. Sistema de freno del sistema de orientación ………………………….. Unidad del sistema hidráulico ………………………………………... Configuración general del sistema de control ………………………... Curva de potencia del aerogenerador en estudio …………………....... Tasa de falla para diferentes tecnologías, para cada subsistema o componente [NREL, 2013] ................................................................... Indisponibilidad por falla por subsistema [NREL, 2013] …………… Fallas por turbina por año por subsistema [NREL, 2013] …………..... Indisponibilidad asociada a subsistemas, período 2003-2007 [NREL, 2013] .................................................................................................... Indisponibilidad asociada a subsistemas, período 2008-2012 [NREL, 2013] .................................................................................................... Tasa anual de falla asociada a subsistemas, período 2006 [NREL, 2013] Tasa anual de falla asociada a subsistemas, período 2009 [NREL, 2013] Tasa anual de falla asociada a subsistemas, período 2012 [NREL, 2012] Indisponibilidad asociada a subsistemas [Peters, 2012] ........................ Indisponibilidad por falla asociada a subsistemas [Peters, 2012] .......... Fallas por turbina por año asociadas a subsistemas [Peters, 2012] …… Distribución de fallas de aerogeneradores, por subsistema [Nivedh, 2013] ………………………………………………………………. Distribución de tipos de daños de multiplicadora [NREL, 2013] …...... Distribución de tipos de daños de multiplicadora [Nivedh, 2014] ……. Tasa anual de sustitución de multiplicadora, años 1 a 10 [NREL, 2013] Tasa anual de sustitución de generador, años 1 a 10 [NREL, 2013] Distribución de fallas de generador de gran tamaño [Nivedh, 2014] … Tasa anual de sustitución de pala, años 1 a 10 [NREL, 2013] ………. Espectro de un engranaje en buen estado [adaptado de www.sinais.es, 2016] ……………………………………………….......……………. Parque eólico de estudio ……………………………………………... Distribución de eventos de falla por categorías ………………………. Distribución de tiempo de indisponibilidad por categorías ………….. Tiempo de indisponibilidad relativa entre categorías ………………… Daño de pala por impacto de rayo, sobre la turbina F (inspección preventiva) ………………………………………………………… xi 26 26 27 28 29 31 32 32 33 33 34 34 35 35 36 37 37 39 40 40 41 41 43 54 58 61 61 62 65 Figura 6.6 Figura 6.7 Figura 6.8 Figura 6.9 Figura 6.10 Figura 6.11 Figura 6.12 Figura 6.13 Figura 6.14 Figura 6.15 Figura 6.16 Figura 6.17 Figura 6.18 Figura 6.19 Figura 6.20 Figura 6.21 Figura 6.22 Figura 6.23 Figura 6.24 Figura 6.25 Figura 6.26 Figura 6.27 Figura 6.28 Figura 6.29 Figura 6.30 Daño de pala por impacto de rayo, sobre la turbina J (inspección preventiva) ……………………………………………....………....... Daño de pala por impacto de rayo, sobre la turbina G (inspección preventiva) …………………………………………………………... Daño de pala por impacto de rayo, sobre la turbina C (inspección preventiva) ………………………...………………………………… Parámetros asociados a la falla de las reductoras del sistema de orientación ………………………………………………………….... Separación superficie/núcleo en la corona del eje intermedio de la etapa helicoidal, turbina J ……………...……………………..……… Separación superficie/núcleo en la corona del eje lento de la etapa helicoidal, turbina I …………………………………………………... Referencia normativa de separación superficie/núcleo (case/core separation) [AGMA, 1995] …………………………………………... Rotura superficial [Rexnord Industries, 1978] ...................................... Spalling avanzado en rodamiento HSS-B-NRE-I (Ref. 5, Tabla 5.1) ... Spalling avanzado en rodamiento HSS-B-NRE-I (Ref. 5, Tabla 5.1) ... Spalling avanzado en rodamiento HSS-B-NRE-I (Ref. 5, Tabla 5.1), luego de extraído …………………………………………………… Varilla magnética extraída, prácticamente sin viruta…………………. Evolución de temperatura del HSS-B-NRE con daño ………………... Evolución de temperatura del HSS-B-NRE sin daño ………………… Evolución de la relación de temperaturas rodamiento-góndola del HSS-B-NRE con daño ……………………………………………….. Evolución de la relación de temperaturas rodamiento-góndola del HSS-B-NRE sin daño ………………………………………………... Evolución de la relación de temperaturas rodamiento-aceite del HSSB-NRE con daño ……………………………………………………... Evolución de la relación de temperaturas rodamiento-aceite del HSSB-NRE sin daño ……………………………………………………… Evolución de las temperaturas real y esperada del HSS-B-NRE con daño (correlación con temperatura de góndola) ……………………… Evolución de las temperaturas real y esperada del HSS-B-NRE sin daño (correlación con temperatura de góndola)………………………. Evolución de las temperaturas real y esperada del HSS-B-NRE con daño (correlación con temperatura de aceite) ………………………… Evolución de las temperaturas real y esperada del HSS-B-NRE sin daño (correlación con temperatura de aceite) ………………………… Etapas de deterioro de rodamientos [adaptado de Bork, 2012] ………. Diferencia de temperatura entre la temperatura del aceite y la temperatura de la góndola ……………………………………………. Diferencia de temperatura entre la temperatura del aceite y la temperatura de la góndola, para temperatura de góndola mayor a 35 o C …………………………………………………………………….. xii 65 66 66 67 70 70 71 71 72 72 73 73 75 76 76 77 77 78 79 80 80 81 81 82 83 Figura 7.1 Ubicación típica (puntos rojos) de los acelerómetros de un sistema de monitoreo de vibraciones del tren de potencia ……………………….. 86 xiii LISTA DE TABLAS Tabla 1.1 Tabla 2.1 Tabla 3.1 Tabla 3.2 Tabla 5.1 Tabla 5.2 Tabla 5.3 Tabla 6.1 Tabla 6.2 Tabla 6.3 Tabla 6.4 Tabla 7.1 Tabla A.1 Tabla B.1 Tabla B.2 Composición de la matriz energética a octubre 2016 [UTE, 2016] …. Subsistemas y componentes típicos de aerogenerador moderno de eje horizontal ……………………………………………………………. Subsistemas con mayor indisponibilidad y frecuencia de falla, para diferentes bases de datos ….………………………………………….. Posibles daños de palas y tiempos recomendados para reparación [Nivedh, 2014] ………………………………………………………. Frecuencia de rotación de ejes @ 16,7 rpm rotor …………………….. Frecuencias asociadas a engranajes @ 16,7 rpm rotor ……………… Frecuencias asociadas a rodamientos @ 16,7 rpm rotor Indisponibilidad por daños de palas detectados durante inspecciones reactivas ……………………………………………………………... Indisponibilidad por daños de palas detectados durante inspecciones preventivas …………………………………………………………... Resumen de daños detectados en engranajes y rodamientos de multiplicadoras ………………………………………………………. Parámetros de ajuste por mínimos cuadrados ………………………... Propuesta de mejora del plan de mantenimiento de palas ..…………... Variables registradas en el sistema SCADA …………………………. Fuentes de vibraciones de rodamientos y frecuencias asociadas ……... Fuentes de vibraciones de engranajes y frecuencias asociadas ………. 4 10 38 42 54 55 55 64 64 69 79 85 94 96 98 xiv LISTA DE SIGLAS E ABREVIATURAS PROMEC UFRGS GWEC AUDEE DNE UTE HAWT PVC GRP SCADA MS LSS LSS-G LSS-B-RE LSS-B-NRE Programa de Pós-Graduação em Engenharia Mecânica Universidade Federal do Rio Grande do Sul Global Wind Energy Council Asociación Uruguaya de Energía Eólica Dirección Nacional de Energía Administración de Usinas y Trasmisiones Eléctricas Turbina eólica de eje horizontal Policloruro de vinilo Plástico reforzado con fibra de vidrio Supervisión, control y adquisición de datos Eje principal Eje de velocidad lenta de la etapa helicoidal Corona del eje de velocidad lenta de la etapa helicoidal Rodamiento del eje de velocidad lenta de la etapa helicoidal, lado rotor Rodamiento del eje de velocidad lenta de la etapa helicoidal, lado generador IMS IMS-G IMS-P IMS-B-RE Eje de velocidad intermedia de la etapa helicoidal Corona del eje de velocidad intermedia de la etapa helicoidal Piñón del eje de velocidad intermedia de la etapa helicoidal Rodamiento del eje de velocidad intermedia de la etapa helicoidal, lado rotor IMS-B-NRE-IB Rodamiento del eje de velocidad intermedia de la etapa helicoidal, lado generador, interior IMS-B-NRE-OB Rodamiento del eje de velocidad intermedia de la etapa helicoidal, lado generador, exterior HSS HSS-P HSS-B-RE Eje de velocidad alta de la etapa helicoidal Piñón del eje de velocidad alta de la etapa helicoidal Rodamiento del eje de velocidad alta de la etapa helicoidal, lado rotor xv HSS-B-NRE-IB Rodamiento del eje de velocidad alta de la etapa helicoidal, lado generador, interior HSS-B-NRE-OB Rodamiento del eje de velocidad alta de la etapa helicoidal, lado generador, exterior PG PG-B-RE PG-B-NRE PC-B-RE PC-B-NRE CMS BPFI BPFO FTF BSF GMF TRF APF Engranaje planetario Rodamiento del engranaje planetario, lado rotor Rodamiento del engranaje planetario, lado generador Rodamiento del portador de planetas, lado rotor Rodamiento del portador de planetas, lado generador Sistema de monitoreo de condición Frecuencia de paso de los elementos rodantes sobre la pista interior Frecuencia de paso de los elementos rodantes sobre la pista exterior Frecuencia de rotación de la jaula Frecuencia de rotación de los elementos rodantes Frecuencia de engrane Frecuencia de repetición de diente Frecuencia de fases de ensamblaje o frecuencia fantasma xvi LISTA DE SÍMBOLOS A ρ r v F N D P θ ZC FC ZP FP NE Área, m2 Densidad del aire, kg/m3 Radio del rotor, m Velocidad del aire, m/s Frecuencia de rotación del eje, Hz Número de elementos rodantes Diámetro de los elementos rodantes Diámetro primitivo, m Ángulo de contacto, o Número de dientes de la corona Frecuencia de giro de la corona, Hz Número de dientes del piñón Frecuencia de giro del piñón, Hz Número de fases de ensamblaje xvii 1 1 INTRODUCCIÓN Durante el siglo XXI, la industria de la energía eólica ha crecido con un ritmo vertiginoso, al punto que la generación de energía eléctrica a partir del viento se ha consolidado como una modalidad de generación de energía eléctrica a gran escala. Al cierre del año 2015, la potencia eólica global instalada alcanzó 432 GW, cuando en el año 2000 era de 17 GW [GWEC, 2016]; esto quiere decir que, en los últimos 15 años, la potencia eólica instalada se multiplicó por 25 respecto a su valor inicial. Los valores de potencia eólica global instalada anual y potencia eólica global instalada acumulada anual se presentan en las Figuras 1.1 y 1.2, respectivamente, donde se puede observar que la tasa de crecimiento aumenta en la gran mayoría de los períodos, respecto su inmediato anterior. 70.000 60.000 38445 39058 50.000 40628 45034 Potencia (MW) 30.000 10.000 0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 3760 6500 7270 8133 8207 20.000 11531 14703 Período (año) Figura 1.1 - Potencia eólica global instalada anual [GWEC, 2016] En términos relativos a otras fuentes de energía, la potencia global instalada de energía eólica ha crecido, en proporción a otras fuentes de energía convencionales. Como se puede observar en la Figura 1.3, la proporción de potencia eólica se ha duplicado respecto a la potencia total instalada, mientras que en el resto de las fuentes de generación relevantes en la matriz ha disminuido. El ritmo de crecimiento de la potencia eólica instalada se ha manifestado no solamente en la potencia instalada, sino que también en la potencia de las turbinas. El desarrollo 20310 26874 40.000 35797 51752 63467 2 tecnológico ha permitido pasar de turbinas de 2 MW de potencia en el año 2000, a turbinas de hasta 5MW de potencia en la actualidad (referido a máquinas diseñadas para ser instaladas en tierra). 350.000 Potencia (MW) 300.000 159016 250.000 50.000 0 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 17400 23900 31100 100.000 39431 47620 59091 73957 150.000 Período (año) Figura 1.2 - Potencia eólica global instalada acumulada anual [GWEC, 2016] 70% 67% 64% Potencia instalada (MW) 60% 50% 40% 30% 20% 18% 6% 17% 8% 7% 4% 6% 10% 0% Combustibles fósiles 3% Eólica Hidroeléctrica 93924 120690 200.000 197946 Nuclear 238089 282842 318458 400.000 Otros Fuente Potencia global instalada, Año 2009 (%) Potencia global instalada, Año 2014 (%) Figura 1.3 - Composición de la matriz energética global en los años 2009 y 2014 [The Shift Data Project Portal, 2016] 369695 450.000 432419 3 Mundialmente, existen 121 fabricantes de turbinas activos, de acuerdo a lo establecido por The Wind Power, 2016, y hay otros 83 fabricantes que han sido absorbidos por otros, o que simplemente ya no existen en la actualidad. Según Smead, 2014, el mercado de las turbinas eólicas está distribuido según se indica en la Figura 1.4 (datos a noviembre 2014), en la cual se muestran los 10 fabricantes principales de aerogeneradores de acuerdo a su capacidad instalada, los cuales abarcan, entre ellos, un 68,4% del mercado. Es decir que, cerca del 70% de la capacidad instalada está repartida entre aproximadamente un 8% de los fabricantes. Potencia instalada (%) Vestas (Dinamarca) Goldwind (China) Enercon (Alemania) Siemens (Alemania) 8,0% 6,3% 4,9% 4,6% 3,9% 3,7% 3,4% 10,3% 13,2% 10,1% Fabricante Suzlon Group (India) General Electric (Estados Unidos) Gamesa (España) United Power (China ) Ming Yang (China) Nordex (Alemania) Figura 1.4 – Potencia instalada por los principales fabricantes de turbinas [Smead, 2014] El ritmo de crecimiento de la industria se ha visto reflejado también en Uruguay, ya que, en los últimos años, la potencia eólica instalada en el período mencionado pasó de ser nula a alcanzar los 846 MW al final del año 2015 [AUDEE, 2016]. Esto se debe a una política energética presentada por la Dirección Nacional de Energía (DNE), correspondiente al período 2005-2030, la cual pretende impulsar las energías renovables como herramienta para fomentar la utilización de las fuentes energéticas autóctonas y disminuir la dependencia del petróleo [DNE]. En la Figura 1.5 se detalla la potencia eólica instalada anual y acumulada en Uruguay, a modo de poder contrastar los datos. Aquí se puede observar que el crecimiento se concentra en los últimos años, principalmente en los últimos 5 años. Es importante agregar que se prevé una potencia eólica instalada de 493 MW en 2016 y 52,8 MW en 2017, lo que implicaría una potencia acumulada de 1.339 MW y 1.391,8 MW, respectivamente. 4 900 800 600 MW 400 300 100 0 0 0,45 0,45 0 0 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 año Potencia instalada Potencia instalada acumulada Figura 1.5 - Potencia eólica instalada anual y acumulada en Uruguay [AUDEE, 2016] Si bien en primera instancia estos valores no aparentan ser significativos, debe ser considerado que el consumo pico de energía eléctrica Uruguay no alcanza los 2.000 MW (el consumo pico alcanzado es de 1.940 MW, registrado el 7 de junio de 2016). De acuerdo a lo establecido por la Administración de Usinas y Trasmisiones Eléctricas, UTE, la matriz de generación energética, sin tener en cuenta fuentes de micro generación, está compuesta por fuentes eólicas, hidráulicas, fotovoltaicas térmicas, biomasa, según el detalle que se indica en la Tabla 1.1. Aquí se puede observar que la composición de la matriz energética tiene una gran componente de fuentes renovables, y en particular, de energía eólica, la cual alcanza un 28% de la matriz. Tabla 1.1 – Composición de la matriz energética a octubre 2016 [UTE, 2016] Tipo de fuente Potencia instalada (MW) Potencia autorizada (MW) Eólica Hidráulica Fotovoltaica Térmica Biomasa Total 970,55 1.538,00 78,55 647,47 413,30 3.647,87 944,75 1.538,00 78,55 603,95 198,65 3.363,90 0 3,6 59,4 28 28,45 28,45 17,2 55,8 10,15 38,6 55,8 200 316,6 500 470 529,4 700 846 5 La situación de Uruguay no es ajena al contexto regional, la cual presenta características similares. Esto se refleja en la Figura 1.6, donde se observa un gran crecimiento en la potencia instalada en los años 2014 y 2015, al igual que en Uruguay, aunque de forma no tan acentuada. 14.000 12.000 10.000 MW 8.000 3762 645 1274 734 2008 4.000 2330 3505 29 537 296 508 0 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 año Potencia instalada Potencia instalada acumulada Figura 1.6 - Potencia eólica instalada anual y acumulada en América Latina y el Caribe [GWEC, 2007-2016] A final de 2015, los países con mayor potencia eólica instalada fueron Brasil, Chile y Uruguay, como puede observarse en la Figura 1.7. Sin embargo, si observamos la potencia total instalada en cada uno de estos países, la proporción de energía eólica instalada es de aproximadamente 7% en Brasil, 5% en Chile y 25% en Uruguay. Esto posiciona a Uruguay como un país con una gran apuesta a la energía eólica, no solo a nivel regional, sino que también a nivel mundial, previéndose que a final de 2016 sea el país con mayor proporción de potencia eólica instalada en su matriz energética. 322 2.000 92 629 1175 1259 3694 6.000 4764 8526 12220 6 MW Brasil Chile Uruguay Argentina 279 270 268 176 148 50 250 285 933 845 8715 País/Región Panamá Costa Rica Honduras Perú Guatemala Caribe Otros Figura 1.7 – Potencia eólica instalada acumulada en América Latina y el Caribe, por país o región [GWEC, 2016] 1.1 Motivación Todos los avances presentados, ya sea en relación a la capacidad instalada como a las nuevas tecnologías en la energía eólica, ha generado la necesidad de mejorar y ajustar continuamente los planes de mantenimiento. Debido a su característica de industria emergente, la ejecución del mantenimiento de los parques eólicos está limitado a los fabricantes y a unas pocas empresas especializadas en el rubro, a causa de la falta de conocimiento e/o información disponible acerca de los activos. Es así que, en la gran mayoría de los casos, los propietarios de los parques eólicos poseen contratos de mantenimiento de diversos tipos con estas empresas, a menos de los grandes propietarios que, por su escala, ya han adquirido suficiente experiencia para afrontarlo por sí mismos. Es sabido que el propietario de los activos debe estar preparado para afrontar el mantenimiento por sí mismo, en caso que tenga la necesidad económica o que simplemente no haya disponibilidad de empresas para realizarlo. Por otra parte, en caso de no llegar a realizarlo, es importante tener un control del estado de los equipos y los trabajos realizados, ya que en la gran mayoría de los casos los intereses de ambas partes son contrapuestos, lo que puede llevar, en muchos casos, a no tener la mejor calidad en los trabajos realizados. Un ejemplo de este conflicto de intereses es el de una empresa que realiza el mantenimiento de aerogeneradores 7 con un contrato de 5 años de duración, entre los años 1 y 5 de vida, cuando el ciclo de vida de los activos es de 20 años. Resulta evidente que si la empresa que realiza el mantenimiento tiene una falla que le implique una gran inversión económica cercano al fin del año 5, intentará minimizar esta inversión, por lo que se debe tener especial cuidado en estos casos. Esto genera una necesidad de conocer en detalle el estado de los activos, así como su historia, para lo que es muy importante tener un registro de fallas históricas y la situación actual de los equipos. Para esto es necesario llevar un control estricto de las tareas del mantenimiento realizado, ya sea correctivo, preventivo, predictivo o proactivo, lo que genera la necesidad de tener un involucramiento integral en la totalidad de las tareas de mantenimiento. 1.2 Objetivo El objetivo general de este trabajo es estudiar las tareas de mantenimiento de aerogeneradores en el mayor detalle posible, en relación a los recursos disponibles, para un parque eólico de una edad aproximada de 7 años. Se pretende estudiar el registro histórico de fallas disponibles, a fin de: contrastar las estadísticas de fallas del parque en estudio con las de otros parques a nivel global, identificar las causas de las fallas más relevantes, y, en base a lo anterior, intentar comprender las posibles desviaciones de este caso en particular. En base a las fallas más críticas, se propondrán alternativas para la mejora de planes de mantenimiento, en procura de la mejora de la disponibilidad de los aerogeneradores. 1.3 Descripción del trabajo En primera instancia, en el Capítulo 2 se introducirá en detalle el aerogenerador en estudio, realizando ciertos contrastes con variantes que pueden ser encontradas dentro de la industria, más allá de que este tipo de turbina sea el más común en la industria. Se realizará una descripción de todos los subsistemas de la turbina, en un detalle necesario para comprender su mantenimiento. A continuación, en el Capítulo 3, se presentará una revisión bibliográfica acerca de mantenimiento y fallas en aerogeneradores, a fin de contrastar con lo que se expondrá en los capítulos siguientes. 8 En el capítulo 4 se presentarán las tareas de mantenimiento realizadas históricamente en los aerogeneradores en estudio, mientras que en el capítulo 5 se presentará un resumen acerca de las posibilidades de monitoreo remoto que ofrece un sistema SCADA incorporado a un parque eólicos y, en particular, a las turbinas. En el capítulo 6 se realizará un análisis de las fallas históricas de los aerogeneradores en estudio y, finalmente, en el capítulo 7 se propondrán mejoras al plan de mantenimiento con el fin de mejorar la disponibilidad de los equipos. Como cierre del trabajo, se presentan las conclusiones del mimo en el capítulo 8. 30 3 FALLAS EN AEROGENERADORES El mantenimiento correctivo es aquel en el que solamente se realiza una reparación una vez que se ha producido una falla. Es por esto que este tipo de mantenimiento es también conocido como mantenimiento a la falla. Son muy pocas las plantas industriales que utilizan una estrategia de mantenimiento íntegramente correctivo, ya que en casi todos los casos existen al menos algunas actividades básicas de mantenimiento preventivo. Esto se debe a que este tipo de mantenimiento origina costos mayores que otros tipos de mantenimiento, debido a que se incrementan los costos de inventario de repuestos y horas extra, se incrementan los tiempos de detención de los equipos y disminuye la disponibilidad de producción. A modo de ejemplificar, una reparación realizada en un modo correctivo acarrea un costo aproximadamente tres veces mayor que la misma reparación realizada en un modo programado. [Mobley, 2002] En las secciones siguientes se presentará una revisión bibliográfica acerca de datos estadísticos en fallas en aerogeneradores, desde el punto de vista de la disponibilidad afectada por subsistema, así como también su causa puntual en el caso de componentes principales. 3.1 Distribución de fallas en aerogeneradores De acuerdo a lo establecido por NREL, 2013, la base de datos WMEP (Wissenschaftliches Mess- und Evaluierungsprogramm) contiene información detallada acerca de confiabilidad y disponibilidad de 1500 turbinas eólicas instaladas en tierra, entre los años 1989 y 2006, totalizando 193.000 reportes mensuales y 64.000 reportes de incidencias. En la amplia mayoría de los casos recogidos por esta base de datos, la tasa de falla de los diferentes subsistemas de las turbinas es mayor en las tecnologías menos maduras. Esto es absolutamente razonable, dado que dichas tecnologías continúan en desarrollo y proceso de análisis en búsqueda de mejoras de los planes de mantenimiento. Por otra parte, los subsistemas que presentan mayor ratio de fallas son: el sistema eléctrico, electrónico y sensores, el sistema hidráulico, y el sistema de orientación. De todas formas, esta última información no es determinante, ya que se trata solamente de tasas de falla, y no de tiempos asociados a fallas. Todos estos datos se pueden observar en detalle en la Figura 3.1. 31 1,6 Fallas por turbina por año 1,4 1,2 1,0 0,8 0,6 0,4 0,2 0,0 Subsistema Concepto danés simple Concepto danés avanzado Velocidad variable Accionamiento directo Figura 3.1 - Tasa de falla para diferentes tecnologías, para cada subsistema o componente [NREL, 2013] En su reporte, NREL, 2013, presenta también datos recopilados de las bases de datos WMEP, anteriormente mencionada, y LWK (Landwirtschaftskammer Schleswig-Holestein), la cual contiene información acerca de fallas de más de 650 aerogeneradores, entre los años 1993 y 2006. De acuerdo a estos datos, el sistema eléctrico y el sistema de control son los subsistemas que presentan la tasa de falla más alta; sin embargo, la indisponibilidad asociada a la falla de estos subsistemas es menor a la de la gran mayoría de los subsistemas o componentes restantes. En relación a la indisponibilidad generada por la falla de cada subsistema o componente, la mayor indisponibilidad se genera al presentarse una falla en la multiplicadora, las palas y el generador. Por otra parte, se destaca que el 25% de las fallas generan el 95% de la indisponibilidad, lo cual muestra un gran desequilibrio en relación a la indisponibilidad que genera cada una de las fallas, y demuestra que la tasa de falla, sin tener en cuenta los tiempos de indisponibilidad, no es un parámetro relevante. Todos estos datos se pueden observar en las Figuras 3.2 y 3.3. 32 Indisponibilidad por falla (días) 0 Sistema Eléctrico Sistema de control Otros Sistema hidráulico 2 4 6 8 10 12 14 16 Subsistema LWK WMEP Sistema de orientación Rotor Freno Palas Multiplicadora Generador Tren de potencia Figura 3.2 - Indisponibilidad por falla por subsistema [NREL, 2013] Fallas por turbina por año 0 Sistema Eléctrico Sistema de control Otros Sistema hidráulico 1 2 3 4 5 Subsistema LWK WMEP Sistema de orientación Rotor Freno Palas Multiplicadora Generador Tren de potencia Figura 3.3 - Fallas por turbina por año por subsistema [NREL, 2013] De acuerdo a NREL, 2013, la revista WindStats posee datos estadísticos acerca de producción y operación de un total aproximado de 30.000 turbinas eólicas repartidas entre Suecia, Dinamarca, Alemania y Finlandia (a diciembre 2012). Dichos datos se pueden observar en los gráficos de las Figuras 3.4 y 3.5, agrupadas en dos períodos: 2003-2007 y 2008-2012. Como se puede observar en dichos gráficos, en ambos períodos el subsistema que generó mayor indisponibilidad fue la multiplicadora, seguido por el generador, el sistema eléctrico y el rotor, 33 aunque el orden de estos últimos tres depende del período. Es importante destacar que la indisponibilidad disminuye en el período 2008-2012 respecto al 2003-2007, para la mayoría de los subsistemas. 160.000 140.000 Indisponibilidad (h) 120.000 100.000 80.000 60.000 40.000 20.000 0 Subsistema Figura 3.4 – Indisponibilidad asociada a subsistemas, período 2003-2007 [NREL, 2013] 90.000 80.000 Indisponibilidad (h) 70.000 60.000 50.000 40.000 30.000 20.000 10.000 0 Subsistema Figura 3.5 - Indisponibilidad asociada a subsistemas, período 2008-2012 [NREL, 2013] 34 Respecto a la tasa de falla de los diferentes subsistemas, los datos se encuentran agrupados en tres períodos, coincidentes con los años 2006, 2009 y 2012. En las Figuras 3.6 a 3.8 se puede observar que, en los tres períodos, la mayor tasa de falla corresponde al sistema eléctrico, y que entre los siguientes cuatro siempre se encuentran la multiplicadora, el sistema hidráulico y el generador. Fallas por turbina por año (%) 30 25 20 15 10 5 0 Subsistema Figura 3.6 – Tasa anual de falla asociada a subsistemas, período 2006 [NREL, 2013] Fallas por turbina por año (%) 30 25 20 15 10 5 0 Subsistema Figura 3.7 – Tasa anual de falla asociada a subsistemas, período 2009 [NREL, 2013] 35 Fallas por turbina por año (%) 30 25 20 15 10 5 0 Subsistema Figura 3.8 – Tasa anual de falla asociada a subsistemas, período 2012 [NREL, 2013] Fallas por turbina por año (%) 30 25 20 15 10 5 0 Subsistema Figura 3.9 – Indisponibilidad asociada a subsistemas [Peters, 2012] Según lo establecido por Peters et al., 2012, la base de datos CREW (Continuous Reliability Enhancement for Wind), la cual fue desarrollada por Sandia National Laboratories (SNL) de los Estados Unidos de América, contiene datos de entre 800 y 900 turbinas de potencia mayor a 1 MW, de un total de 10 plantas generadoras. De acuerdo a esta base de datos, el sistema que tiene mayor contribución a la indisponibilidad es el rotor, seguido por el generador y el sistema de control, aunque distingue también una categoría denominada “otros”, la cual 36 tiene el 63,7% de la disponibilidad asociada e introduce una gran incertidumbre. La indisponibilidad asociada a cada subsistema, para esta base de datos, se puede observar en la Figura 3.9. La base de datos CREW, según indica Peters et al., 2012, ha relevado también la frecuencia de los eventos y la indisponibilidad por evento, para los diferentes subsistemas. Al igual que en el caso anterior, una gran parte de los eventos están asociados al rubro “otros”, y el primero de los sistemas en relación a la frecuencia de los eventos es el rotor, seguido por el generador y el sistema de control. En cuanto a la indisponibilidad generada por cada una de las fallas, se puede observar que, en más de 50% de los casos, la indisponibilidad por evento es aproximadamente 1 hora. Estos datos se pueden observar en la Figura 3.10 y 3.11. Indisponibilidad por falla (días) 0 Otros Rotor/palas Generador Control 1 1 2 2 3 Subsistema Distribución de potencia Multiplicadora Freno BOP Estructura Orientación Sistema hidráulico Tren de potencia Figura 3.10 – Indisponibilidad por falla asociada a subsistemas [Peters, 2012] Conforme a lo establecido por Nivedh, 2014, establece que la causa de las fallas de un aerogenerador está asociada, en gran parte, a los componentes principales, con un 74% de las fallas asociadas a la multiplicadora y el generador en conjunto; de este porcentaje, un 59% corresponde a la multiplicadora y un 25% al generador, como se puede observar en la Figura 3.12. 37 Fallas por turbina por año 0 Otros Rotor/palas Generador Control 10 20 30 40 50 60 70 80 90 100 Subsistema Distribución de potencia Multiplicadora Freno BOP Estructura Orientación Sistema hidráulico Figura 3.11 – Fallas por turbina por año asociadas a subsistemas [Peters, 2012] 3% 3% 2% 8% Multiplicadora Generador Góndola 25% Palas 59% Sistema eléctrico Sistema de orientación Figura 3.12 – Distribución de fallas de aerogeneradores, por subsistema [Nivdeh, 2013] Estudiadas las distintas bases de datos, se presenta, en la Tabla 3.1, un resumen de las distintas bases de datos, y las indisponibilidades y frecuencias de falla más relevantes de acuerdo a los diferentes subsistemas, para aerogeneradores similares a los de estudio. Aquí queda claramente de manifiesto lo mencionado acerca de la inexistencia de un vínculo entre la frecuencia de las fallas y la indisponibilidad que estas generan, además de dejar en evidencia que los componentes más críticos desde el punto de vista de la indisponibilidad que generan 38 son: la multiplicadora, las palas y el generador. Es por esto que a continuación se estudiarán en mayor profundidad los datos estadísticos de fallas de estos subsistemas. Tabla 3.1 – Subsistemas con mayor indisponibilidad y frecuencia de falla, para diferentes bases de datos Base de datos WMEP Subsistemas con mayor indisponibilidad Multiplicadora Tren de potencia (no incluye multiplicadora) Generador LWK Multiplicadora Palas Tren de potencia (no incluye multiplicadora) WindStats Multiplicadora Generador Sistema eléctrico Rotor CREW Rotor Generador Sistema de control Sistema eléctrico Nivedh Multiplicadora Generador Palas Sistema eléctrico Sistema hidráulico Multiplicadora Generador Rotor Generador Sistema de control Sistema eléctrico Sistema eléctrico Sistema de control Subsistemas con mayor frecuencia de falla Sistema eléctrico Sistema de control 3.1.1 Fallas de la multiplicadora En lo que respecta a fallas de multiplicadoras, de acuerdo a lo establecido por NREL, 2013, desde el año 2009 dicho laboratorio maneja una base de datos propia, con el objetivo de conocer los modos de falla más frecuentes, las posibles causas raíz y conocer la confiabilidad 39 de los componentes. Los datos que recopilados provienen de aproximadamente veinte compañías, entre las que se incluyen: fabricantes de turbinas y multiplicadoras, propietarios, talleres de reparación de multiplicadoras y proveedores de operación y mantenimiento de turbinas. La base de datos contiene información (a la fecha del informe) de 289 fallas de multiplicadoras, con 257 registros de daños. Estos registros muestran que 70% de las fallas están asociadas a rodamientos, 26% a engranajes y 4% a otros elementos, según se indica (aún en mayor detalle) en la Figura 3.13. 1% 1% 2% 1% Rodamientos eje rápido 7% Rodamientos eje lento Rodamientos eje intermedio Rodamientos planetas 18% 48% Rodamiento portador planetas Engranajes helicoidales Engranajes planetas 2% 7% 0% 13% Engranajes anillo Eje Acoplamiento flexible Figura 3.13 – Distribución de tipos de daños de multiplicadora [NREL, 2013] Según Nivedh, 2014, las causas más frecuentes de falla de multiplicadoras son los rodamientos, que abarcan un 67% de los casos, lo que es consistente con lo presentado por NREL. Estas fallas las atribuye principalmente a: fluctuaciones de carga, desalineamiento, condiciones térmicas inadecuadas y mala lubricación. Seguido de los rodamientos, la fuente de falla más frecuente son los engranajes, lo cual se asocia principalmente a carga excesiva o vibración. Sin embargo, se debe tener especial cuidado a la hora de comparar ambas bases de datos, ya que la categorización no es igual en los dos casos, ya que en la categorización de Nivedh hay categorías como “vibración” y “ruido”, que pueden comprender casos de fallas de rodamientos o engranajes. La distribución de tipos de daños de multiplicadora se presenta en la Figura 3.14. Es posible que la gran diferencia en los casos de falla por rodamientos difiera demasiado entre ambas bases de datos. A este estudio se agrega el dato de tiempo de sustitución de multiplicadora, el cual, de acuerdo a lo expuesto por el autor, es entre 5 y 7 años. 40 2% 0% 8% 2% Rodamientos Eje 14% Engranajes General Ruido 7% 0% 67% Sin información Vibración Caja Figura 3.14 – Distribución de tipos de daños de multiplicadora [Nivedh, 2014] Datos recopilados por NREL, 2013, a través de DNV KEMA, acerca de sustituciones de multiplicadora y generador durante los primeros diez años de operación, muestran una tasa promedio de requerimiento de sustitución de 5% para la multiplicadora y 3,5% para el generador. La tasa de requerimiento de sustitución de generador es mayor a la de la multiplicadora solamente en los años 6 y 7, que coinciden con los picos de falla del primero. Es importante resaltar que estos datos incluyen fallas asociadas a defectos de serie, por lo que pueden verse afectados por situaciones puntuales. El detalle de los datos se presenta en las Figuras 3.15 y 3.16. Componentes reemplazados (%) 12 10 8 6 4 2 0 1 2 3 4 5 6 7 8 9 10 Año Figura 3.15 – Tasa anual de sustitución de multiplicadora, años 1 a 10 [NREL, 2013] 41 Componentes reemplazados (%) 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 Año Figura 3.16– Tasa anual de sustitución de generador, años 1 a 10 [NREL, 2013] 3.1.2 Fallas del generador En lo que respecta a generadores, conforme a Nivedh, 2014, hay dos grandes categorías de fallas de generadores: falla de los bobinados, por insuficiente aislación o mal diseño, y falla mecánica de los rodamientos, debido a fatiga temprana, que puede ocasionarse por mala lubricación. Los datos estadísticos de fallas son presentados en la Figura 3.17, donde las fallas se dividen en 7 categorías. Allí se observa claramente que la gran mayoría de las fallas del generador se dan en los rodamientos, y, a continuación, en el estator. 4% 4% Rodamientos 14% 1% 4% 58% 15% Estator Rotor Otros Acuñado estator Anillos colectores Cables rotor Figura 3.17 – Distribución de fallas de generador de gran tamaño [Nivedh, 2014] 42 3.1.3 Falla de las palas Según lo establecido por Nivedh, 2014, los daños más comunes que pueden ser encontrados en el exterior de las palas son: “erosión o impacto en la superficie de la pala, desviaciones observables en el laminado (spalling, descamación, y cavidades), adhesivo deficiente en las superficies de adhesión, fisuras y, por supuesto, impactos de rayos”. Mientras tanto, en el interior de la pala, los daños son: “fisuras en la resina adhesiva, falta de adhesivo, discontinuidades en el sándwich, delaminaciones entre la fibra de vidrio, fisuras en la viga, exceso de resina, problemas de adhesión, ondas, inclusiones de aire, etc.”. Este mismo autor presenta una categorización de las fallas, de acuerdo a las presentadas en el párrafo anterior, y asocia a éstas un tiempo recomendado para la reparación, que se puede observar en la Tabla 3.2. Tabla 3.2 – Posibles daños de palas y tiempos recomendados para reparación [Nivedh, 2014] Posibles daños de palas Tiempo para reparación Defectos superficiales menores dentro y fuera de la pala 24 meses Primeros signos de daño estructural Varios defectos superficiales Pequeñas fisuras en el adhesivo Daño en la estructura Fisuras en la valva y en el adhesivo Varios defectos superficiales Defectos mayores en la estructura principal Fisuras que limitan la estructura aerodinámica Daños que no ofrecen operación segura 0 a 3 meses Posible limitación de potencia Inmediato 3 a 12 meses 12 a 24 meses Datos recolectados por el NREL, a través de DNV KEMA, pretenden recoger información acerca de fallas en palas, multiplicadora y generador. Estos datos muestran que, durante diez años de operación, un promedio anual de 2% de las turbinas requieren una sustitución de pala, siendo el impacto de rayos la causa más común de falla. No obstante, las sustituciones de palas durante los años 1 y 2 son principalmente debidas a defectos de 43 construcción o daños ocurridos durante el transporte y montaje. El detalle de los datos se presenta en la Figura 3.18. Componentes reemplazados (%) 4 3 2 1 0 1 2 3 4 5 6 7 8 9 10 Año Figura 3.18 – Tasa anual de sustitución de pala, años 1 a 10 [NREL, 2013] 48 5 MONITOREO DE AEROGENERADORES Los aerogeneradores modernos cuentan con un sistema de monitoreo a distancia mediante sistemas SCADA, a fin de tener una supervisión continua de los mismos. En estos sistemas se pueden observar las variables medidas en las turbinas, así como sus alarmas, avisos y estados, ya sea en línea o como registros históricos. Las variables disponibles como registros históricos son registros de periodicidad diezminutal o similar, pudiéndose encontrar valores medios, máximos, mínimos y desviación estándar, dependiendo de la variable que se trate, y de la versión de software instalada en el controlador de la turbina. De todas formas, es posible acceder a los datos instantáneos directamente desde el servidor, para lo cual se requiere tener un manejador de grandes bases de datos, ya que el volumen de información disponible no es manejable mediante un sistema convencional. Los avisos y alarmas indican dos niveles de funcionamiento fuera de los parámetros esperados o adecuados. Los avisos indican que alguna de las variables está fuera del rango esperado, pero en una magnitud tal que no impide el funcionamiento, ni pone en riesgo la integridad de la turbina o alguno de sus componentes. En el caso de las alarmas, la magnitud es tal que el funcionamiento se ve impedido, o pone en riesgo la integridad de la turbina o alguno de sus componentes. Algunos aerogeneradores incluyen también sistemas de monitoreo continuo de vibraciones, los cuales se utilizan como herramienta de mantenimiento predictivo de la multiplicadora, el eje principal y el generador. Dichos datos pueden estar integrados al sistema SCADA, o manejarse mediante otro software adicional. En este capítulo se pretende plasmar la utilidad que tienen los datos de SCADA y de los sistemas de monitoreo continuo de vibraciones, y las nuevas tendencias y técnicas tradicionales existentes para cada una de estas herramientas. 5.1 Utilización de las variables registradas en el sistema SCADA El listado de variable registradas en el sistema SCADA se presenta en la Tabla A.1, del Anexo A, en la cual las mismas se encuentran divididas por categorías, y además se indica el 49 tipo de registro que se realiza para cada tipo de variable en cada período de diez minutos, que es el que corresponde a estos registros. La principal utilidad de las variables monitoreadas en los aerogeneradores radica en el ingreso de éstas al sistema de control, a fin de darle su funcionalidad. De todas formas, no todas las variables entran dentro de la lógica del controlador con el fin de establecer las pautas de funcionamiento, sino que algunas intervienen estableciendo alarmas o avisos, que pueden llegar a interrumpir el funcionamiento continuo. Si bien aquí se han mencionado las variables en su sentido más amplio, puede tratarse o no, dependiendo del caso, de los valores registrados en el sistema SCADA; en general, la lógica de funcionamiento, alarmas y avisos está asociada a valores de frecuencia menor a diez minutos. Los datos almacenados en el sistema SCADA tienen como utilidad la supervisión de los parámetros de operación de las turbinas y del parque en general, con el fin de monitorear su condición de operación. Es decir que, algunos de estos datos, tienen utilidad como herramienta de mantenimiento predictivo. El desafío de esta cuestión se encuentra en identificar cuáles datos son útiles con este fin, y cómo procesarlos. 5.1.1 Mantenimiento predictivo basado en análisis de datos de SCADA En esta sección se presenta un estado del arte acerca de mantenimiento predictivo de aerogeneradores a través de datos de SCADA, a fin de comprender cuales son las utilidades y tendencias en la utilización de estos datos. Sharma et al., 2014, presenta un modelo elaborado a partir de los datos de SCADA en la condición libre de falla, para la cual establece una temperatura esperada para el rodamiento principal, en función de la velocidad de rotación del eje principal, la temperatura del freno, la presión de aceite hidráulico en el circuito de freno, y el ángulo de paso; adicionalmente, se realiza una corrección de temperatura por temperatura ambiente. Dado el valor esperado y el valor real del rodamiento principal, se establece el valor residual, calculado como la diferencia entre ambos, como parámetro de aviso anticipado de falla. Shaowu, 2016, ha desarrollado un modelo para predecir fallas en multiplicadoras, a partir de la comparación entre el valor de la presión del aceite del circuito de lubricación y refrigeración de la multiplicadora y la predicción de este valor, la cual se realiza en función de la temperatura del aceite, la potencia y la temperatura del eje principal. 50 Gray et al., 2011, presenta un método para predicción de fallas que combina métodos estadísticos, fundamentos de física, y herramientas de software. Este método es aplicado a fallas de la multiplicadora, mediante el análisis de la temperatura de aceite, y a fallas del generador, mediante la evaluación de la temperatura de sus bobinados. Wang et al., 2014, mediante la evaluación de tres métodos de inteligencia artificial (AI), como lo son las redes neuronales artificiales (ANNs), sistemas difusos, y sistemas neuro-difusos (ANFIS), propone la evaluación combinada de datos de SCADA y datos de alta frecuencia. Por otra parte, y en base a una revisión bibliográfica, establece que es posible determinar el estado global de las turbinas mediante el seguimiento de la velocidad de viento y la potencia de salida, y que el resto de los datos pueden ser utilizados para la localización de fallas. Soraghan, 2016, presenta un software denominado SpheriCAL, desarrollado por la empresa E.ON, el cual “adopta una aproximación pragmática al modelado, combinando el entendimiento físico y el reconocimiento de patrones”, en lugar de usar las técnicas principales de monitoreo, señaladas por el autor como las redes neuronales, el modelado físico y las tendencias. Feng et al., 2013, presenta dos casos de fallas de multiplicadoras, y su posible predicción a través de datos de SCADA, sistemas de monitoreo continuo de vibraciones (CMS) y conteo de partículas. En el primer caso, la predicción se basa en el modelado físico que establece que, al disminuir la eficiencia de la multiplicadora (lo que ocurre al existir un daño), aumenta la diferencia de temperatura entre el aceite y la góndola, para cada nivel de potencia. Este caso se trata de un daño en la etapa planetaria. En el segundo caso, se presenta una falla en el IMS, en la cual se evidencia un aumento del nivel de vibraciones y del conteo de partículas. Tchakoua et al., 2014, realiza una revisión acerca del estado del arte del monitoreo de condición de aerogeneradores, sus nuevas tendencias, y los desafíos futuros. En relación a los datos de SCADA, plantea que, en muchos casos, estos no son suficientes como herramienta de mantenimiento predictivo, por su baja frecuencia de 5 a 10 minutos. También observa que estos datos varían en un rango muy amplio en condiciones de operación variable, lo que hace que se requiera de una herramienta de análisis apropiada. Kim et al., 2011, realiza un estudio en el que separa los datos de SCADA (con frecuencia de 1 Hz) según la etapa de operación en la que se encuentre la turbina, ya que entiende que regímenes diferentes de operación pueden determinar signos de falla diferentes. El análisis se realiza mediante la utilización de redes neurales auto asociativas, con el fin de detectar 51 relaciones entre diferentes variables. Las relaciones encontradas, y que presentan desvíos previos a la falla de la multiplicadora, son: entre la potencia y torque dividido la velocidad de giro del eje de alta velocidad, y entre la potencia y la relación efectiva de la multiplicadora. 5.2 Monitoreo de vibraciones en aerogeneradores Algunos aerogeneradores modernos cuentan con un sistema de monitoreo de vibraciones del tren de potencia, con el fin de daños en engranajes y rodamientos de la multiplicadora y rodamientos del generador en etapas tempranas, evitando así fallas intempestivas que generen grandes indisponibilidades de las turbinas. En el caso de la turbina de estudio, no cuenta con este sistema de monitoreo, que cada vez se utiliza de forma más habitual en esta industria. Los daños pueden ser detectados mediante análisis en el dominio tiempo (forma de onda) o en el dominio frecuencia (espectro). Ambos análisis son útiles y complementarios, si bien comúnmente se tiende a usar únicamente el espectro como método de análisis para la detección de fallas. 5.2.1 Frecuencias de falla Un rodamiento defectuoso puede ser diagnosticado mediante la presencia de componentes no síncronos en el espectro de vibraciones, los cuales son conocidos como frecuencias de falla o tonos, más precisamente: frecuencia de paso de los elementos rodantes sobre la pista interior (BPFI), frecuencia de paso de los elementos rodantes sobre la pista exterior (BPFO), frecuencia de rotación de la jaula (FTF), frecuencia de rotación de los elementos rodantes (BSF). Dichas frecuencias están asociadas a la frecuencia de rotación del eje, y a las características constructivas del rodamiento. La frecuencia de paso de los elementos rodantes sobre la pista interior, abreviada BPFI por su denominación en inglés ball pass frequency of inner race, es la frecuencia con la cual los elementos rodantes pasan por un punto de la pista interior. Esta frecuencia es, aproximadamente, el 60% del número de elementos rodantes multiplicado por la frecuencia de rotación del eje, independientemente de cual sea la pista que está rotando. La frecuencia de paso de los elementos rodantes sobre la pista exterior, abreviada BPFO por su denominación en inglés ball pass frequency of outer race, es la frecuencia con la cual 52 los elementos rodantes pasan por un punto de la pista exterior. En forma aproximada, esta frecuencia se puede calcular como el 40% del número de elementos rodantes multiplicado por la frecuencia de rotación del eje, independientemente de cual sea la pista que está rotando. La frecuencia de rotación de los elementos rodantes, abreviada BSF por su denominación en inglés ball spin frequency, es la frecuencia de rotación de los elementos rodantes sobre su propio centro. La frecuencia de rotación de la jaula, abreviada FTF por su denominación en inglés fundamental train frequency, es equivalente a la frecuencia de rotación de los centros de los elementos rodantes. En forma aproximada, esta frecuencia se puede calcular como el 40% de la frecuencia de rotación del eje, en caso que la pista interior esté rotando, o como el 60% de la frecuencia de rotación del eje, en caso que la pista exterior esté rotando. Para el cálculo de las frecuencias de falla se utilizan las Ecuaciones 5.1 a 5.4, que se muestran a continuación: BPFI  N  B   F  1   cos   2  P  (5.1) BPFO  N  B   F  1   cos   2  P  (5.2)   B 2  1 P 2 BSF    F  1     cos     P  2 B   (5.3) FTF  1  B   F  1   cos   2  P  (5.4) donde F es la frecuencia de rotación del eje, N es el número de elementos rodantes, B es el diámetro de los elementos rodantes, P es el diámetro primitivo, y θ es el ángulo de contacto. Las fallas detectables en rodamientos, a través del análisis de vibraciones, y sus signos asociados, se indican en la Tabla A.1 del Anexo A. En el caso de los engranajes, existen frecuencias que son características de su operación, más allá de que su estado sea bueno o no, y otras frecuencias que son típicas de un engranaje 53 defectuoso: frecuencia de giro de la corona (FC), frecuencia de rotación del piñón (FP), frecuencia de engrane (GMF), frecuencia de repetición de diente (TRF), y frecuencia de fase de ensamblaje o frecuencia fantasma (APF). La frecuencia de giro de la corona y del piñón son las frecuencias de giro de sus respectivos ejes. La frecuencia de engrane, abreviada GMF por su nombre en inglés “gear mesh frequency”, es la frecuencia con la que un diente del piñón engrana con un diente de la corona, y se calcula como: GMF  ZC  FC  Z P  FP (5.5) donde ZC es el número de dientes de la corona, FC es la frecuencia de giro de la corona, ZP es el número de dientes del piñón, FP es la frecuencia de giro de la corona La frecuencia de repetición de diente, abreviada TRF por su nombre en inglés “tooth repeat frequency”, es la frecuencia con la cual un diente particular del piñón engrana con un diente particular de la corona engrana, y se calcula como: TRF  GMF  N E Z P  ZC (5.6) donde GMF es la frecuencia de engrane y NE es el número de ensamblaje, la cual se calcula como el máximo común divisor entre ZC y ZP. La frecuencia de fase de ensamblaje o frecuencia fantasma (APF), indica que, como consecuencia del desgaste, el espacio entre dientes y su perfil ha cambiado, y se calcula como: APF  GMF  N E (5.7) Un engranaje en buen estado presenta un espectro con picos en la frecuencia de giro del piñón, la frecuencia de giro de la corona, y en la frecuencia de engrane y sus armónicos 2X y 3X. Una representación gráfica, así como la intensidad de estos picos puede observarse en la Figura 5.2. 54 Figura 5.1 – Espectro de un engranaje en buen estado [adaptado de www.sinais.es, 2016] Tanto en el caso de rodamientos como de engranajes, la aparición de las distintas frecuencias mencionadas y sus armónicos en el espectro, definirán que tipo de falla presente el equipo. En las Tablas B.1 y B.2 del Anexo B se presentan distintas fallas que pueden aparecer en rodamientos y engranajes, respectivamente, junto con las frecuencias que aparecen en el espectro para cada caso. Para realizar un análisis del espectro de vibraciones del tren de potencia, es importante, en primera instancia, registrar todas las frecuencias características presentes. Estas frecuencias fueron calculadas, a modo de ejemplo, en la multiplicadora en cuestión, y se presentan en las Tablas 5.1, 5.2 y 5.3. Las mismas fueron calculadas para una velocidad de rotación del HSS de 1655 rpm. Tabla 5.1 – Frecuencia de rotación de ejes @ 16,7 rpm rotor Fuente de vibración Rotación del rotor Paso de palas Rotación del eje de velocidad baja (etapa helicoidal) Rotación del eje de velocidad intermedia (etapa helicoidal) Rotación del eje de velocidad alta (etapa helicoidal) Frecuencia (Hz) 0,28 0,84 1,58 6.76 33,53 55 Tabla 5.2 – Frecuencias asociadas a engranajes @ 16,7 rpm rotor Fuente de vibración Engrane planeta-corona y planeta-sol Engrane IMS-LSS Engrane IMS-HSS Repetición de diente planeta-sol Repetición de diente planeta-corona Repetición de diente LSS-IMS Repetición de diente IMS-HSS Frecuencia de fases de ensamblaje planeta-sol y planeta-corona Frecuencia de fases de ensamblaje LSS-IMS Frecuencia de fases de ensamblaje IMS-HSS Frecuencia (Hz) 24,79 148,72 784,14 0,037 0,015 0,144 0,966 24,77 297,44 3136,60 Tabla 5.3 – Frecuencias asociadas a rodamientos @ 16,7 rpm rotor Fuente de vibración Rodamiento HSS-B-RE Rodamiento HSS-B-NRE-I Rodamiento HSS-B-NRE-O Rodamiento PG-B-RE Rodamiento PG-B-NRE Rodamiento PC-B-RE Rodamiento PC-B-NRE Rodamiento LSS-B-RE Rodamiento LSS-B-NRE Rodamiento IMS-RE Rodamiento IMS-NRE-I Rodamiento IMS-NRE-O BPFI (Hz) BPFO (Hz) BSF (Hz) FTF (Hz) 275,42 264,40 264,40 5,54 5,54 8,92 6,00 23,42 30,59 58,62 80,69 80,69 200,66 183,58 188,57 8,06 5,13 19,27 26,33 35,19 61,31 61,31 173,95 147,67 152,65 3,35 3,35 5,40 3,55 16,47 21,29 32,50 46,74 46,74 11,80 11,47 11,77 0,40 0,40 0,12 0,13 0,72 0,73 2,70 2,91 2,91 5.2.2 Procesamiento de datos Se debe tener especial cuidado en cuanto al procesamiento de los datos, debido a que el sistema es no lineal y no estacionario, en términos generales. 56 Tradicionalmente, el análisis en el dominio frecuencia, conocido como análisis de espectro, consiste en la transformación de la señal en dominio tiempo (previamente procesada, si corresponde) al dominio frecuencia. Esto se realiza mediante la aplicación de la transformada de Fourier; en este caso en particular se aplica la transformada rápida de Fourier (FFT), la cual es un algoritmo computacional de la transformada discreta de Fourier (DFT), la cual transforma una señal discreta periódica en el tiempo en un espectro de frecuencias discreto periódico. La aplicación de la transformada de Fourier en un sistema no lineal y no estacionario introduce ciertos errores [Gavilán Moreno, 2007] [Antoniadou, 2015], y, por lo tanto, estos deben ser minimizados en caso de utilizarla. El requerimiento de linealidad viene dado por el proceso de la transformada de Fourier, y el de estacionalidad se debe a que, en caso de un sistema no estacionario, sus frecuencias variarán a lo largo del tiempo. De todas formas, el método de la FFT ha demostrado buenos resultados bajo condiciones estacionarias [Antoniadou, 2015]. Por lo tanto, si se asegura la condición de carga estacional, es de esperar un resultado aceptable. Una alternativa a la transformada de Fourier es el método de Hilbert-Huang, el cual da la aceleración para las frecuencias instantáneas calculadas; esta representación gráfica es la llamada espectro de Hilbert. También puede ser calculado el espectro marginal de Hilbert, que no es más que un espectro instantáneo, y da una representación parecida a la transformada de Fourier. [Gavilán Moreno, 2015] En vista de lo expuesto, es posible realizar un análisis del espectro mediante la aplicación de la FFT, durante un período que pueda considerarse estacionario. Para poder realizar esta consideración, la velocidad de rotación del rotor (y consecuentemente, del generador) no puede variar más de un 5% de su valor mínimo durante el período de estudio [Villa Montoya, 2011]. Es por esto que, en los sistemas comerciales, se toman datos en períodos en los cuales la velocidad de rotación y la carga es constante, a fin de lograr una condición estacionaria para el posterior análisis. El algoritmo FFT, con un número de muestras igual a N, produce un número de líneas de frecuencia igual a N/2. El rango de frecuencias cubierto por la FFT está determinado por la frecuencia y el tiempo de muestreo, y puede calcularse como el número de líneas (N/2) dividido por el tiempo de muestreo. Respecto a la frecuencia de muestreo, se debe tener especial cuidado en su selección, ya que una frecuencia de muestreo igual o menor a la frecuencia de la onda lleva a una representación incorrecta de la señal, lo cual se conoce como el fenómeno de aliasing. Para 57 evitar esto, es necesario que la frecuencia de muestreo sea al menos el doble de la frecuencia más alta que se desea analizar. 5.2.3 Estado del arte Dolenc, et al., 2016, ha realizado un estudio acerca del análisis de vibraciones de daños distribuidos, y su diferencia con daños puntuales en cuanto a la respuesta en frecuencia. Para esto, ha estudiado cuatro casos: rodamiento sin falla, con daño localizado en la pista externa, con daño distribuido en la pista externa, y con daño distribuido en la pista interna. Ambos casos han sido estudiados mediante simulación y análisis experimental. Para el modelado, se han tenido en cuenta efectos como las imperfecciones de fabricación, como la ondulación de la pista. Como conclusión, ha detectado patrones diferentes en cada uno de los casos, mostrando un comportamiento más complejo en el caso de daños distribuidos. La diferencia también radica en la presencia de una frecuencia no mencionada en el punto 5.2.1 Frecuencias de falla, que aparece en el caso de daños distribuidas en la pista interna, llamada FTFI por su denominación en inglés “fundamental train frequency inner”, la cual está asociada a la cantidad de veces que un elemento rodante entra en la zona dañada, es decir: FTFI  N  BPFI (7.8) Ciu et al., 2016, ha estudiado la respuesta vibratoria de rodamientos con daños en la pista externa, mediante simulación y un análisis experimental. En ambos casos ha estudiado la diferencia de la respuesta a medida que el tamaño del defecto aumenta, detectando que, en el caso de la simulación, los impactos claros pasan a ser impactos dobles. En el caso del análisis experimental, se destaca la dificultad de extraer información significativa para el caso de pequeños defectos por la presencia de ruido, lo que pasa a tener poca relevancia en el caso de grandes defectos. Finalmente, se plantea como desafío futuro, el estudio de algoritmos efectivos para la eliminación de ruido para el estudio de pequeños defectos. Romero et al., 2016, ha propuesto un sistema de monitoreo de condición basado en análisis de vibraciones y datos de SCADA aplicado a una turbina Vestas V90-3.0MW, utilizando el método ICD, el cual descompone la señal no lineal y no estacionaria, en una serie de componentes que pueden ser estudiadas en el dominio frecuencia. 90 REFERENCIAS BIBLIOGRÁFICAS American Gear Manufacturers Association, ANSI/AGMA 1010-E95 Appearance of Gear Teeth - Terminology of Wear and Failure, United States of America, 1995. Antoniadou, I.; Mason, G.; Staszewski, W.J.; Barszacz, T.; Worden, K. A timefrequency analysis approach for condition monitoring of a wind turbine gearbox under varying load conditions, Mechanical Systems and Signal Processing, v. 64-65, p. 188-216, 2015. Bork Alegranzi,S, Construção e adequação de uma bancada de ensaios para investigações de técnicas não destrutivas de detecção de falhas incipientes em rolamentos, UFRGS, 2012. Ciu, L., Zhang, Y. Zhang, F., Zhang, J., Lee, S., Vibration response mechanism of faulty outer race rolling element bearings for quantitative analysis, Journal of Sound and Vibration, v. 364, p. 67-76, 2016. Conti-Ramsden, J., Dyer, K., Materials innovations for more efficient wind turbines, Renewable Energy Focus, 2015. Dirección Nacional de Energía, Política Energética 2005-2030, Uruguay. Dolenc, B., Boškoski, P., Juričic, Đ., Distributed bearing fault diagnosis based on vibration analysis, Mechanical Systems and Signal Processing, p. 521-532, v. 66-67, 2016. E.ON, Wind Turbine Technology and Operations Factbook, 2013. Feng, Y., Qui, Y., Crabtree, C. Long, H. Monitoring wind turbine gearboxes, Wind Energy, 2013. Gardnier, D., Common vibration monitoring techniques, Handbook of Condition Monitoring, p. 303-323, 1998. 91 Gavilán Moreno, C.J. El uso de la transformada de Hilbert para el diagnóstico de vibraciones, DYNA, v. 82, p. 382-386, 2007. Global Wind Energy Council (GWEC), Global Wind Report 2015, 2016. Global Wind Energy Council (GWEC), Global Wind Report 2014, 2015. Global Wind Energy Council (GWEC), Global Wind Report 2013, 2014. Global Wind Energy Council (GWEC), Global Wind Report 2012, 2013. Global Wind Energy Council (GWEC), Global Wind Report 2011, 2012. Global Wind Energy Council (GWEC), Global Wind Report 2010, 2011. Global Wind Energy Council (GWEC), Global Wind Report 2009, 2010. Global Wind Energy Council (GWEC), Global Wind Report 2008, 2009. Global Wind Energy Council (GWEC), Global Wind Report 2007, 2008. Global Wind Energy Council (GWEC), Global Wind Report 2006, 2007. Gray, C. S., Langmayr, F., Haselgruber, N., Watson, S. J., A Practical Approach to the Use of SCADA Data for Optimized Wind Turbine Condition Based Maintenance, Uptime Engineering GmbH, Austria, 2011. Hau, E., Wind Turbines, Springer, Germany, 2006. Kim, K., Parthasarathy, G., Uluyol, O., Foslien, W., Sheng, S., Fleming, P., Use of SCADA for Failure Detection in Wind Turbines, NREL, 2011. 92 Mobley, R.K. An Introduction to Predictive Maintenance, Butterworth-Heinemann, 2002. National Renewable Energy Laboratory (NREL), Report on Wind Turbine Subsystem Reliability – A Survey of Various Databases, 2013. Nivedh, B.S., Major failures in the wind turbine components and the importance of periodic inspections, Wind Insider, v. 6, p. 32-36, 2014. NSK, Maintenance of Bearings, Germany, 2009. Peters, V.A., Ogilvie, A.B., Rond, C.R., Continuous Reliability Enhancement fo Wind (CREW) Database: Wind Plant Reliability Becnhmark, 2012. Pinar Pérez, J.M.; García Márquez, P.F.; Tobias, A.; Papaelias, M. Wind turbine reliability analysis, Renewable and Sustainable Energy Reviews, v. 23, p. 463-472, 2013. Rexnord Industries, Failure Analysis: Gear - Shafts - Bearing - Seals, United States of America, 1978. Riley, N.H., Lubricant as a condition monitoring technique, Handbook of Condition Monitoring, p. 435-449, 1998. Tchakoua, P., Wamkeue, R., Ouhrouche, M., Slaoui-Hasnaoui, F., Tameghe, T., Ekemb, G., Wind Turbine Condition Monitoring: State-of-the-Art Review, New Trends, and Future Challenges, Energies, v. 7, p. 2595-2630, 2014. Shaowu, L., Wind Turbine Major Components Failure Predicting Based on SCADA Data Analysis, EWEA, 2016. Sharma, S, Mahto, D. Condition Monitoring of Wind Turbine Gearbox, International Journal of Research Studies in Science, Engineering and Technology, v. 5, p 33-51, 2014. 93 Shrieve, P., Hill, J., Commercial applications of vibration monitoring, Handbook of Condition Monitoring, p. 354-374, 1998. Smead, K., Top 10 Wind Turbine Suppliers, Energy Digital, November 2014, P. 4047, 2014. Soraghan, C. Early Fault Detection Using SCADA Data: An Exploration of E.ON’s intelligent use of operational data to identify faults, 2006. Spera, D, Wind Turbine Technology, ASME, New York, 2009. Villa Montoya, L.F. Mantenimiento predictivo aplicado a máquinas sometidas a velocidad y carga variables mediante análisis de órdenes, Universidad de Valladolid, 2011. Wang, K., Sharma, V. S., Zhang, Z., SCADA data based condition monitoring of wind turbines, Advances in Manufacturing, v. 2, p. 61-69, 2014. White, G., Introducción al Análisis de Vibraciones, Azima DLI, 2010. Yanhui, F., Tavner, P. Introduction to Wind Turbines and their Reliability and Availability, European Wind Energy Conference and Exhibition, 2010. Yokoyama, S., Lightning protection of wind turbine blades, Electric Power Systems Research, v. 94, p. 3-9, 2013. 94 ANEXO A Tabla A.1 – Variables registradas en el sistema SCADA Categoría Generador Variable RPM Registro diezminutal Promedio, máximo, mínimo y desviación estándar Temperatura de rodamiento 1 Temperatura de rodamiento 2 Temperatura de fase 1 Temperatura de fase 2 Temperatura de fase 3 Temperatura del anillo deslizante Circuito hidráulico Temperatura de aceite hidráulico Multiplicadora Temperatura de rodamiento Temperatura de rodamiento A Temperatura de rodamiento B Temperatura de rodamiento C Temperatura de rodamiento principal Temperatura de aceite Góndola Dirección de góndola Temperatura de góndola Rotor RPM Promedio Promedio Promedio Promedio, máximo, mínimo y desviación estándar Ambiente Velocidad de viento Promedio, máximo, mínimo y desviación estándar Promedio Promedio Promedio Promedio Promedio Presión de aceite hidráulico Promedio, máximo, mínimo y desviación estándar Promedio Promedio Promedio Promedio Promedio Promedio Promedio 95 Dirección de viento absoluta Promedio, máximo, mínimo y desviación estándar Dirección de viento relativa Promedio, máximo, mínimo y desviación estándar Temperatura Red Temperatura de barra Coseno phi Corriente de fase 1 Corriente de fase 2 Corriente de fase 3 Potencia Promedio Promedio Promedio Promedio Promedio Promedio Promedio, máximo, mínimo y desviación estándar Potencia reactiva Promedio, máximo, mínimo y desviación estándar Frecuencia Tensión de fase 1 Tensión de fase 2 Tensión de fase 3 Controlador Temperatura de controlador inferior Temperatura de controlador superior Temperatura de controlador del buje Nariz Palas Temperatura Ángulo de paso Promedio Promedio Promedio Promedio Promedio Promedio Promedio Promedio Promedio, máximo, mínimo y desviación estándar Transformador Tensión de fase 1 Tensión de fase 2 Tensión de fase 3 Promedio Promedio Promedio 96 ANEXO B Tabla B.1 – Fuentes de vibraciones de rodamientos y frecuencias asociadas Fuente de vibración Anillo interior defectuoso (un defecto pequeño) Anillo interior defectuoso (un defecto moderado) Frecuencia de excitación Plano dominante Amplitud Carácter espectral del envolente Picos síncronos Picos no síncronos con bandas laterales de 1X Banda Ancha Comentarios BPFI con armónicos Radial BPFI con armónico y bandas laterales de 1X Radial Radial Uniforme Carga Radial Modulado en Amplitud Alta, uniforme Alto, uniforme Niveles de carga radial incrementados El ruido de banda ancha incrementa El ruido de banda ancha incrementa Los armónicos tienen un más alto que la frecuencia fundamental El ruido de banda ancha incrementa Anillo interior defectuoso (dos o BPFI con armónicos, tres defectos pequeños) Anillo interior defectuoso (múltiples defectos pequeños, asperidad alrededor del anillo) Anillo exterior defectuoso (un defecto pequeño) Anillo exterior defectuoso (un defecto moderado) radial prominentes BPFI y armónicos prominentes BPFO con armónicos BPFO con armónicos Radial Picos no síncronos Radial Uniforme Picos no Síncronos Radial Uniforme Picos no Síncronos 97 Elemento rodante defectuoso (único) Elemento rodante defectuoso (múltiples) Jaula defectuosa (rota en un lugar) Jaula defectuosa (rota en pedazos) Precarga o lubricacón inadecuada Holgura del rodamiento girando en la fecha Holgura en el carter BSF con armónicos Radial Alta Uniforme Uniforme Banda angosta El ruido de banda ancha incrementa Nivel de ruido bajo Ruido causado por los pedazos de la jaula en el rodamiento El ruido de banda ancha incrementa Número y amplitud de los armónicos función de la holgura BSF con armónicos Ruido de banda ancha Ruido de banda ancha Ruido de alta frecuancia Armónicos 1X Armónicos 1X, 2X y 3X Armónicos 0,5X Armónicos 0,5X y 1X Radial Banda angosta Radial Uniforme Banda ancha Radial Uniforme Banda ancha Radial Banda ancha Radial Banda Angosta Radial Banda Agosta Línea de base del ruido de baja frecuencia se va elevando De 4X hasta 8X o de 7X hasta 15X Holgura extrema o falla Radial Juega excesivo en un rodamiento Radial 98 Rodamiento desalineado 1X, 2X y tonos de rodamiento Axial y radial Elevado uniforme Diferencia de fase de 180° en Banda angosta medidas axiales en cada lado del cárter del rodamiento Fuente: Introducción al análisis de vibraciones [White, 2010] Tabla B.2 – Fuentes de vibraciones de engranajes y frecuencias asociadas Fuente de vibración Frecuencia de excitación Plano dominante Amplitud Carácter espectral del envolvente Contacto de dientes incorrecto (engranaje) X veces número Radial, Axial de dientes en el engrane Uniforme, a Banda veces con batidos Angosta Muchas veces con 1X de las bandas laterales de cualquier de los dos engranajes Excentricidad del engranaje 1X engranaje Radial Banda Angosta El engrane puede ser balanceado pero montado en un rotor desbalanceado. Bandas laterales 1X están presentes alrededor del engranaje. Desalineación de engranes 2X engranaje Axial Uniforme Banda Angosta Bandas laterales 1X alrededor del engranaje Comentarios 99 Línea de paso. Movimiento excéntrico. Desbalanceo de masa o dientes defectuosos. 1X más la frecuencia del engranaje Radial para engranes rectos, más axial para engranes helicoidales simples o dobles. Uniforme Banda Angosta Bandas laterales 1X alrededor del engranaje Errores de fabricación Engranaje, frecuencia fantasma por lo general no síncrono con 1X Radial Uniforme Banda Angosta Errores de fabricación debido a problemas en los engranes de activación de la fresadora y las cortadora pueden causar componentes fantasmas. Problemas de engranes planetarios Dependen engran parte de la geometría de la caja Radial Uniforme Banda Angosta Es común encontrar bandas laterales alrededor del engranaje al ritmo de la órbita del engrane planeta. Fuente: Introducción al análisis de vibraciones [White, 2010]