Maintenance prédictive Eolien / photovoltaïque

Dans le cadre de ses activités d’opération, d’exploitation et de maintenance des parcs éoliens et photovoltaïques, notre client souhaite mettre en place un ensemble d’outils et d’analyses de l’état de santé des différents systèmes mécaniques et électriques à des fins de monitoring et de maintenance conditionnelle et prédictive.

Auprès des équipes Opérations, Diagnostic et Maintenance, nos consultants sont intervenus sur une quinzaine de cas d’usage liés à la maintenance conditionnelle et prédictive des systèmes éoliens et photovoltaïques. Nous avons mis en œuvre diverses approches (statistiques, modélisation mathématique, machine learning) afin de concevoir et développer les outils analytiques et algorithmiques suivants :

• Détection d’anomalie : identification et caractérisation de patterns anormaux dans les données de fonctionnement et de production des assets (e.g. détection de givre sur les pales d’éolienne, sous-performance des systèmes de production)
• Modèles de prédiction de pannes/casses (e.g. anticipation des risques de casse de pales, prédiction de la dégradation des roulements rotor et génératrice)
• Jumeaux numériques de systèmes et sous-systèmes (e.g. modélisation du comportement des génératrices)
• Estimation Remaining Useful Life des keys components (e.g. étude des cycles d’arrêts/démarrages pour anticiper l’usure des roulements)

L’intégration a été réalisée, pour certains algorithmes, dans l’infrastructure PI (Osisoft) déjà en place chez notre client, et pour d’autres, sous forme de microservices en utilisant les interfaces REST du logiciel PI.