Tienes los datos. ¿Tienes el conocimiento?

Por qué acumular información de parque no es lo mismo que entender la turbina, y qué significa esto para tus decisiones relacionadas con operación y mantenimiento, «repowering» o códigos de red.

 Un parque eólico medio genera cientos de millones de datos al año. Se almacenan, se visualizan en dashboards, se agregan en informes mensuales. Y, sin embargo, en la mayoría de las conversaciones técnicas la pregunta sigue siendo la misma: ¿qué está pasando exactamente en la turbina 12?

El problema no es la cantidad de datos; acumular información no genera conocimiento. Es necesario entender cómo se ha capturado, cómo se ha agregado y qué variables físicas quedan fuera de la foto. Y ese vacío tiene consecuencias muy concretas sobre decisiones relevantes que cualquier propietario de parque afronta hoy: repotenciar, adaptarse a un nuevo código de red, o ajustar la operación a crecientes requisitos ambientales.

1. El SCADA que nunca se lee del todo

«Pitch», «yaw», velocidades angulares, potencia, cargas estructurales, temperaturas. Todas estas variables se capturan en el controlador de la turbina a frecuencias de hasta 1 Hz o superiores. Y en su mayoría se almacenan como promedios de 10 minutos, quizás acompañados de máximo, mínimo y desviación estándar.

Ese proceso de agregación no es neutro. Dos turbinas con el mismo promedio de pitch pueden tener comportamientos de fatiga radicalmente distintos: una oscila suavemente, la otra está corrigiendo rachas con excursiones bruscas. Dos series de velocidad angular con la misma media pueden ocultar picos transitorios que no aparecen en ningún KPI.

Hay un problema adicional, menos evidente: variables críticas que ningún SCADA registra. Las cargas internas en rodamientos, el ángulo de ataque real en cada sección de pala, la deflexión de punta, el empuje axial. No están porque instalar ese sensorizado en una turbina comercial es, en la práctica, inviable. Y, sin embargo, son las magnitudes que determinan la vida útil del activo.

Solo son dos ejemplos donde los modelos digitales de turbina dejan de ser un lujo académico. Un modelo físico calibrado con los datos disponibles permite reconstruir las variables que no se miden; los sensores virtuales traducen señales existentes en magnitudes no observadas, momento flector en raíz de pala, posición del centro de estela, distancia punta-torre, estados aerodinámicos o estructurales; las redes neuronales informadas por la física imponen coherencia física sobre los datos ruidosos o incompletos.

El dato es la materia prima. El modelo es la herramienta que la convierte en conocimiento.

2. Repowering: el error de empezar desde cero

Entre 2027 y 2030, Europa va a repotenciar entre 5,5 y 8,5 GW de capacidad eólica al año.

Parques de 15 o 20 años de operación, con cientos de miles de horas de medidas reales del recurso y de la respuesta aerodinámica del emplazamiento. Y, sin embargo, la práctica habitual en la evaluación de producción energética del «repowering» es aplicar metodología «greenfield», como si el parque acabara de existir, como si no hubiera histórico. La incertidumbre típica de un «Energy Yield Assessment» «greenfield» es del 5-10%, más en terreno complejo. Esa incertidumbre pesa directamente sobre el P90 de la producción prevista, y el P90 es el número que mira el banco cuando financia el proyecto.

El histórico de un parque operativo permitiría reducir esa incertidumbre de forma significativa: velocidad de viento extrapolada con años de medida local, curva de potencia real bajo el clima del emplazamiento, pérdidas identificadas por comportamiento concreto de cada posición. Pero solo es posible si se sabe leer ese histórico, si se entiende qué promedios ocultan pérdidas sistemáticas, qué desalineaciones de «yaw» se han arrastrado durante años, qué eventos de degradación superficial (erosión, suciedad o hielo) han distorsionado la curva de potencia.

Tratar el «repowering» como «greenfield» no es una decisión técnica. Es la consecuencia de no haber construido el conocimiento sobre los datos que ya se tenían.

3. Nuevo código de red: cuantificar el impacto sobre el activo existente

Cuando se publica un requisito de red reforzado, LVRT (recorrido de baja tensión) más severo, rampa más estricta, soporte dinámico de reactiva, el propietario se enfrenta a tres preguntas: ¿cuántas veces al año se activa esta exigencia en mi parque? ¿cuánto me cuesta cumplirla en daño estructural y en producción? ¿con qué confianza puedo comprometerlo durante la vida útil? Las tres respuestas viven en los datos existentes.

Un hueco de tensión no es un evento puramente eléctrico. Cuando el par electromagnético colapsa durante milisegundos, el rotor se acelera por desequilibrio con el par aerodinámico. Las oscilaciones se propagan por el tren de potencia y excitan modos propios de la torre en flexión longitudinal y lateral. Una excitación estructural transitoria que deja huella en la fatiga acumulada del resto de la vida útil del activo.

Sin una lectura técnica del SCADA, el propietario acepta el compromiso a ciegas, sobredimensiona equipos, asume curtailment estructural como medida conservadora. Con ella, cuantifica el coste real y negocia con criterio.

Conocimiento propio, no caja negra de terceros

Sin un aprendizaje basado en la información disponible, cada nuevo requisito se trata como si fuese el primer día del parque.

Y es precisamente ese conocimiento el que al mercado le está costando acceder. WENDY convierte la información del parque y los datos operativos en conocimiento, apoyándose en modelos digitales de turbina que contextualizan cada señal en su comportamiento físico esperado, en datos corregidos con ingeniería de detalle, en IA aplicada con criterio de ingeniería, predictivos de daño estructural y de erosión con anticipación operativa para optimizar decisiones frente a precios y curtailment. Desarrollado para una gestión inteligente de los datos en un entorno industrial y para apoyar la toma de decisiones, evitando requerimientos críticos de inversión o acciones intrusivas en los parques eólicos.