Erosión de Palas de Turbinas Eólicas: Un Desafío Superado por la Inteligencia Artificial

CENER ha dedicado años perfeccionando su experiencia en simulaciones de Dinámica de Fluidos Computacional (CFD). Esta poderosa herramienta nos permite analizar meticulosamente la física compleja, incluyendo el impacto de la erosión en el rendimiento de las turbinas. Aunque el CFD proporciona información valiosa, un desafío crucial persiste: predecir con precisión los efectos a largo plazo de las diversas condiciones climáticas en el rendimiento de las palas. Aquí es donde entran en juego las metodologías computacionales de vanguardia, abriendo la puerta a una solución revolucionaria.

Las palas de las turbinas eólicas están constantemente expuestas a condiciones adversas, lo que provoca erosión que puede afectar significativamente su rendimiento. Esta erosión puede reducir la producción de energía y requerir reparaciones prematuras de las palas, lo que añade costos significativos a los parques eólicos.

Los métodos tradicionales de diseño de palas se basaban en tecnologías establecidas en onshore, pero la rápida evolución de las turbinas eólicas y su expansión a nuevas regiones ha resaltado las limitaciones de estos enfoques. Estos cambios han resultado en casos de erosión más severa, como la reparación de emergencia de las palas de 630 MW en el parque eólico London Array, debido a la erosión del borde de ataque después de 5 años de operación.

Aquí es donde entran en juego las técnicas de vanguardia de CFD y análisis de datos. Estas metodologías nos permiten crear modelos de erosión multifactoriales para cualquier diseño de perfil de pala, teniendo en cuenta diversos factores ambientales. Estos factores incluyen, atmósferas agresivas (hielo, entornos desérticos), estelas de parques eólicos (interacción entre turbinas), entornos marinos (rocío de agua salada), velocidad y dirección del viento, precipitación (lluvia, granizo), estado y material de las palas, y condiciones de funcionamiento.

El Proyecto AIRE afronta estos desafíos con determinación. Estamos desarrollando un modelo de Machine Learning (ML) para evaluar el rendimiento de los perfiles de las palas bajo diversas condiciones climáticas y geometrías. Este modelo se está entrenando con una gran cantidad de datos, CFD, método de paneles y ensayos en túnel de viento, para predecir con precisión cómo se erosionarán las palas con el tiempo.

Se están utilizando diferentes algoritmos de ML, cada uno con sus fortalezas y debilidades, ofreciendo un enfoque complementario para lograr los resultados más precisos. Los resultados iniciales son muy prometedores, demostrando una coincidencia casi perfecta entre las simulaciones de Dinámica de Fluidos Computacional (CFD) y las estimaciones del modelo de ML sobre sustentación y resistencia. Este éxito allana el camino para un avance significativo en la tecnología de turbinas eólicas a nivel mundial.

El Proyecto AIRE liderado por CENER representa un enfoque revolucionario para la gestión de la erosión de las palas. Al aprovechar el poder del Machine Learning, podemos crear un futuro en el que las turbinas eólicas operen con máxima eficiencia durante más tiempo.

• Diseño y rendimiento mejorados de las turbinas eólicas: Producción de energía más consistente a lo largo de la vida útil de la turbina.
• Reducción de los costos de mantenimiento: evitando costosas reparaciones o sustituciones prematuras de las palas.

Fuente de las imágenes: IEA Wind Task 46, Erosión de las palas de las turbinas eólicas