eWindy: Machine Learning para predicción de fallos en aerogeneradores
Esta herramienta permite visualizar y analizar datos de parques eólicos de forma conjunta para la predicción de fallos en aerogeneradores y reducir así costes de O&M. Mediante un modelo de Machine Learning aplicado a los datos SCADA, históricos de producción de energía, fallos pasados y datos meteorológicos se analiza si se pueden predecir anomalías en el comportamiento y estimar con suficiente antelación cuándo se va a producir un fallo y en qué subsistema.
Características de eWindy
- Permite agregar datos de una amplia variedad de fuentes, desde datos SCADA, o pronósticos meterorológicos, hasta demanda y precio de electricidad, en una plataforma central.
- Conexión a los datos en tiempo real almacenados de forma segura en la nube.
- Detecta anomalías de forma temprana, tanto existentes como inminentes, con monitoreo de rendimiento avanzado y análisis predictivo basados en inteligencia artificial y ciencia de datos.
- Muestra mediante cuadros de mando altamente personalizables todas las unidades de producción, métricas clave e indicadores de rendimiento.
- Permite establecer un sistema de alertas personalizable para resaltar anomalías y posibles indicadores de bajo rendimiento, con un sistema de notificaciones.
