Inspenet, 19 de agosto 2023.
Los resultados de esta investigación han sido publicados en la revista Energies.
Científicos rusos han desarrollado un sistema de predicción de fallos en turbinas de gas y otras instalaciones de generación eléctrica. Este invento es una red neuronal diseñada para detectar irregularidades y demuestra ser el doble de preciso en comparación con soluciones similares, lo que promete una disminución en los costos relacionados con el mantenimiento y la reparación de equipos.
Los investigadores de la Universidad Técnica Estatal de Volgogrado (VolgGTU) han resaltado la vital importancia de asegurar la confiabilidad de centrales eléctricas y otros componentes dentro del ámbito de la energía y los combustibles.
Por lo tanto, una de las formas de optimizar los gastos en energía y mejorar su confiabilidad consiste en desarrollar métodos flexibles para supervisar el desgaste de equipos. La implementación de tales sistemas podría garantizar un funcionamiento continuo en empresas energéticas y una reparación eficaz de sus instalaciones.
Sistema de predicción de fallos en turbinas de gas: todo un éxito
El innovador enfoque, fundamentado en modelos de redes neuronales de aprendizaje profundo, ha sido exitosamente experimentado en turbinas de gas. Los creadores de esta técnica afirman que en un futuro cercano, podrá ser empleado en una amplia variedad de motores industriales y centrales eléctricas.
“Para toda empresa es fundamental conocer cuál es el estado actual de los equipos y qué hay que hacer para prolongar su vida útil. Nuestro método permite realizar esta evaluación y reducir a la mitad el error en la predicción del tiempo de avería de los equipos en comparación con los análogos existentes”, afirmó Maxim Scherbakov, científico de la Facultad de Ingeniería Electrónica e Informática de la VolgGTU.
De acuerdo con el reporte, este descubrimiento tiene la capacidad de generar pronósticos exactos con tan solo una cantidad mínima de datos iniciales sobre las características de los equipos. Es importante resaltar en este contexto la utilización de mecanismos de redes neuronales que no demandan una gran cantidad de datos preprocesados.
“Los métodos clásicos para la vida útil de los equipos se basan en estadísticas de averías, pero tienen ciertas limitaciones. Los fabricantes de equipos no siempre facilitan estadísticas detalladas y, en general, el número de fallos registrados de estos equipos no es suficiente incluso para los algoritmos de aprendizaje automático más potentes, que se ‘entrenan’ con datos preparados de antemano”, explicó Shcherbakov.
La disminución de la posibilidad de cometer errores brinda a los especialistas un mayor margen para tomar decisiones, ya que el ingeniero estará informado no solo del momento en que podría ocurrir un posible fallo, sino también de las modificaciones en el rendimiento de la planta causadas por el desgaste de sus componentes.
“Al disponer de una estimación precisa de cuándo se producirá un fallo del equipo, es posible ajustar el programa de mantenimiento u optimizar el modo de funcionamiento del equipo. Esto permitirá pasar a un nivel cualitativamente nuevo de mantenimiento”, subrayó.
Adicionalmente, los autores enfatizaron que los resultados pueden ser empleados por los fabricantes de equipos para establecer servicios suplementarios destinados a los operadores, como la evaluación de la calidad de las reparaciones.
Este avance se encuentra dentro del marco de la plataforma de gestión intelectual del estado técnico de equipos para compañías de energía y combustibles que está siendo desarrollada en la Universidad Técnica Estatal de Volgogrado (VolgGTU). Esta plataforma a su vez es un proyecto estratégico de la universidad enmarcado dentro del programa Prioridad-2030.
Fuente y foto: https://sputniknews.lat/amp/20230814/rusia-presenta-un-nuevo-sistema-de-prediccion-de-fallos-en-turbinas-de-gas-1142621950.html
Cargando...
