Sevilla, 28 de febrero de 2025.
La Universidad Pablo de Olavide, a través del Área de Lenguajes y Sistemas Informáticos de la Escuela Politécnica Superior, desarrolla un proyecto de investigación que aplica técnicas de inteligencia artificial para mejorar el mantenimiento predictivo de los parques eólicos. La iniciativa está coordinada por las investigadoras Alicia Troncoso Lora, como investigadora principal, y Francisco Martínez, como co-investigador principal, en colaboración con José García Franquelo, coordinador por parte de la empresa ISOTROL.
El proyecto aborda uno de los principales retos de la energía eólica: no solo predecir cuándo puede producirse un fallo en un aerogenerador, sino identificar cuál es su causa raíz para facilitar una intervención más rápida y eficaz. Esta capacidad permite reducir los tiempos de parada de las turbinas y minimizar tanto las pérdidas económicas para las empresas como el coste de la energía generada.
Para lograrlo, el equipo investigador ha desarrollado una metodología basada en aprendizaje automático estructurada en dos niveles. En una primera fase, los algoritmos agrupan incidentes con comportamientos similares a partir de los datos registrados por los sensores de los aerogeneradores. Posteriormente, cada grupo se subdivide en conjuntos más específicos de incidentes que activan las mismas alarmas y comparten una misma causa de origen.
A partir de este análisis, el sistema genera reglas que resumen los patrones característicos de cada subgrupo, permitiendo asignar automáticamente la causa raíz cuando se produce un nuevo incidente. Esta aproximación facilita el diagnóstico temprano de averías y proporciona información útil para planificar las tareas de mantenimiento de forma más eficiente.
La metodología ha sido validada utilizando datos reales procedentes de un parque eólico español formado por diez aerogeneradores. El conjunto de datos incluye registros de sensores y alarmas recopilados durante un periodo de 36 meses. Los resultados obtenidos muestran que los incidentes con comportamientos similares comparten alarmas con un elevado grado de precisión y responden a una misma causa raíz, lo que confirma la utilidad del sistema para apoyar la toma de decisiones en la operación de instalaciones eólicas.
Además de mejorar la eficiencia de las empresas del sector, la investigación tiene un impacto directo sobre la sostenibilidad del sistema energético. Una mayor disponibilidad de los parques eólicos incrementa la producción de electricidad de origen renovable, favoreciendo una reducción del precio de la energía en el mercado eléctrico y contribuyendo al proceso de transición energética.
El proyecto, concedido en la convocatoria 2021 de Red.es de ayudas a proyectos de I+D en inteligencia artificial y otras tecnologías digitales, constituye un ejemplo de cómo la aplicación de técnicas de inteligencia artificial explicable puede mejorar la competitividad del sector de las energías renovables y acelerar el desarrollo de soluciones tecnológicas con un elevado impacto económico y social.
