Las redes de distribución eléctrica del futuro. Nuevas estrategias para su digitalización - VII Jornadas de Minería y Energía Escuela Politécnica ...
←
→
Transcripción del contenido de la página
Si su navegador no muestra la página correctamente, lea el contenido de la página a continuación
Las redes de distribución eléctrica del futuro. Nuevas estrategias para su digitalización. VII Jornadas de Minería y Energía Escuela Politécnica de Minas y Energía Universidad de Cantabria Abril 2021 Antonio González
Esto es Viesgo Activos de Distribución Red de Distribución I N TE G R AC I Ó N Distribuye electricidad a 2019 TIEPI 1st COMPANY ENERGÍA 31,300 km 695.000 32,4 min EN COMPLETAR LA SUSTITUCIÓN DEL CONTADOR R E N O VAB L E CLIENTES ELECTRÓNICO EN ESPAÑA 121 Subestaciones 11.048 Centros de Transformación 3,000 MW ENERGÍA RENOVABLE CONECTADA Santander Wind 1.659 MW Hydro 814 MW Thermal 517 MW Solar 10 MW Spain 114 700 Plantas PUNTOS DE CONEXIÓN 2 AÑOS DE HISTORIA 2
Punto de partida Datos iniciales de Viesgo 1 Evolución de la condición supervisada ~275.000 activos físicos. La perdida de la función genera diferentes impactos en el negocio. 33,760 33,815 21,068 2 5,965 9,302 ~12.000 km de red AT-MT: El marco legal actual 5,408 en España obliga al distribuidor a realizar inspecciones las instalaciones cada tres años 2008 2012 2014 2016 2018 2020 Superficie a mantener según tipología de vegetación (% hectáreas)… 3 Arboles de Ribera, Eucaliptos Coniferas Frondosas Matorral Sin vegetación ~17.500 hectáreas de zona de servidumbre a Frutales y Choperas mantener… 3,6% 2,7% 13,7% 2,7% 21,2% 56,0% …esta vegetación esta localizada en ~ 62.000 vanos ...y este es el tipo de maquinaría que debe ser utilizada 4 La medida de la condición del activo es un Críticos Semi Críticos No Críticos Tractor Retro-araña A mano parámetro fundamental para alimentar los modelos predictivos. 12% 35% 53% 43% 27% 30%
Mejores prácticas y proyectos clave Retos: Análisis de Criticidad de los activos como herramienta de priorización de los trabajos de mantenimiento preventivo • Incrementar la eficiencia y la eficacia de los procesos Optimización de la actividad de Gestión de la Vegetación en la red de distribución mediante la • Control de los riesgos aplicación de técnicas analítico predictivas • Reducción del gasto (Eficiencia Opex) Inspección Inteligente de activos de red: aplicación de nuevas tecnologías de captura de • Optimización del plan de datos y procesado semi automático de la información inversión (Eficacia Capex) Implementación de un modelo de Mantenimiento Predictivo para los activos de distribución. 4
Priorizar los trabajos en base a la criticidad del activo Las técnicas de análisis de criticidad son herramientas que permiten identificar y jerarquizar por su importancia los activos de una instalación sobre los cuales vale la pena dirigir recursos humanos, económicos y tecnológicos. Aplicación del Método de Criticidad Total por Riesgo (CTR): Análisis semi cuantitativo. Riesgo = Frecuencia de Fallo x Consecuencia Perdida Funcional. Factores que miden las CONSECUENCIAS de pérdida funcional del activo • Daño al personal de la instalación, propio o ajeno. ✓Factores Clave para el Negocio. Aplicación de criterios Seguridad Industrial • Daño en el valor de los activos industriales y materiales usados en la producción en instalaciones propias o ajenas. ✓Peso total del 77%. homogéneos de mantenimiento preventivo Medio • Evalúa las consecuencias que la pérdida funcional de un elemento provoca en el medio ambiente, incluyendo daños ✓Valoración posible: Catastrófico, Ambiente Alto, Medio, Bajo. y costes de recuperación, sanciones o indemnizaciones. • Evalúa las consecuencias de pérdida funcional de elemento ✓Perdida funcional con consecuencias Calidad de en condiciones de prestación del servicio de suministro inadmisibles: ponderación = 100% Servicio eléctrico, principalmente perdida de línea y nº clientes. Alineación con la norma • Evalúa las consecuencias de la pérdida funcional de un Disponibilidad elemento en la capacidad de transporte nominal de la línea ✓Peso total del 23%. internacional de gestión de y/o del resto de instalaciones propias y ajenas. ✓Valoración posible: Muy Alto, Alta, activos ISO 55001: control • Evalúa las consecuencias de la pérdida funcional de un Medio, Bajo. del riesgo. Costes Mantenimiento elemento en los costes de mantenimiento correctivo del mismo. 5
Aplicación de matriz de criticidad Cálculo del riesgo Ordenadas Riesgo: Consecuencia X Frecuencia de Fallo Principales beneficios ✓ Jerarquiza los activos en: • Críticos (rojos) • Semi Críticos (amarillos) • No Críticos (verde) FRECUENCIA DE ✓ Optimiza del posicionamiento del FALLO: mantenimiento preventivo. fallos funcionales ✓ Posibilita la optimización de los periodos legales de verificación de activos formalizando acuerdo con las CCAA`s. ✓ Aumenta de la eficacia y eficiencia de los planes de mantenimiento correctivo. Abscisas CONSECUENCIA: Sumatorio de puntuaciones de los items: • SEGURIDAD INDUSTRIAL 30% • MEDIOAMBIENTE 12% • CALIDAD DEL SERVICIO 35% • DISPONIBILIDAD 14% • COSTES DE MANTENIMIENTO CORRECTIVO 9% 6
Optimización actividad gestión de vegetación Nuevo modelo de gestión Sistemática tradicional Optimización de la actividad de tala: Puntos Clave 1 Tratamiento de la vegetación mediante • Cartografía de vegetación: siete tipos ciclos fijos anuales • Modelo de crecimiento: dos vuelos LIDAR Incrementar el diacrónicos y análisis big data conocimiento de la red • Simulación de la red de distribución en 3D: Baja eficiencia: sobre mantenimiento requerimientos legales la vegetación de crecimiento lento • Periodo de tratamiento/vano 2 Priorización de • Nuevo modelo de gestión del mantenimiento trabajos en base a Gestión de la vegetación mediante un la criticidad del • Fijar escala de indicadores de confianza en contrato por nivel de servicio activo función de la criticidad del vano a tratar 3 • Control y seguimiento centralizado Simplifica la gestión, supone altos • Priorización de trabajos según: criticidad, Tomar el control costes y está limitada por el tipología de vegetación, anomalías, histórico de de la actividad desconocimiento de la red por parte actividades. del proveedor • Digitalización del proceso 7
Análisis Big Data Aplicación de Modelos Predictivos Ejemplo Eucalipto sp. Percentil 50 Aplicación de parámetros locales: Arboles de Decisión para la generación del Cálculo del Crecimiento “por celda y tipología vegetación” modelo de crecimiento Algoritmo Predictivo: Parámetros locales que afectan al crecimiento: Nodos de Decisión Periodo de Tratamiento/vano Crecimientos ✓ Altitud calculados ✓ Pendiente Eucaliptus ✓ Temperatura media Velocidad de Crecimiento/vano = ✓ Pluviometría máximo {Velocidad crecimiento por celda} ✓ Orientación Periodo de Tratamiento/vano = mínimo {aplicación velocidad de crecimiento vertical y horizontal a la catenaria en 3D y condiciones le} Celdas 5x5 mtros Criterio aplicado en la selección del Crecimiento 2,39 m/año Eucaliptus PERIODO DE TRATAMIENTO/VANO de Percentil 50 acuerdo a la criticidad del activo: Velocidad de crecimiento por CELDA en m/año basado en parámetros locales y percentil 50 • Vano Críticos: PERCENTIL 85 1) Captura altura vegetación y cálculo 2) Aplicación de parámetros locales que 3) Generación de modelo de crecimiento • Venos Semi Críticos: PERCENTIL 75 tasa de crecimiento a partir de dos afectan al crecimiento a cada celda por mediante técnica “Arboles de Decisión” y • Vanos No Críticos: PERCENTIL 50 vuelos LIDAR diacrónicos y asignación tipo de vegetación. aplicación a celda según parámetros locales y por celda 5x5 metros. percentil determinados. 32.273 hectáreas 12.909.280 “celdas 5 x 5 m ” Se conforma un “Big Data” de 8 analizadas estudiadas 761.647.520 datos
Detalle algoritmo de cálculo del “Periodo de Tratamiento/vano” Aplicación de condicionamientos legales Servidumbre de la línea Distancia reglamentaria que no puede invadir la vegetación Superficie de revolución en 3D de máxima flecha y blow out dhorizontal dhorizontal dvertical actual dvertical Velocidad de Crecimiento por vano = fmax velocidad celda 5x5 (Árbol de Decisión) Periodo Tratamiento por vano = fmin velocidad celda 5x5 (dvertical, dhorizontal, Vvertical, Vhorizontal, MDT) 9
Resultados análisis de vegetación en la red de Viesgo Distribución de la vegetación en las líneas AT-MT (km) Tipología de Arbolado Arbolado Matorral Sin Vegetación en la Red de Viesgo 43 % de la red AT-MT de EUCALIPTOS 12% 16% Velocidad de Crecimiento (m/año) TIPO Viesgo tiene vegetación CONIFERAS P50 P75 P99 FRONDOSAS EUCALIPTOS 0,56 0,93 1,93 4.867 12% 2.132 km CONIFERAS 0,28 0,43 1,26 22 % de la red AT-MT de OTROS FRONDOSAS 0,17 0,29 0,77 Viesgo tiene arbolado (*) Otros → Frutales, ARB. RIBERA 0,21 0,34 1,1 Arboles de Ribera y FRUTALES 0,11 0,17 0,47 Choperas 60% CHOPERAS 0,51 1,04 1,82 3.294 2.752 Cantabria Asturias Galicia (y Castilla y Leon) 9% 10% 13% 9% 1.976 1.303 17% 7% 27% 12% 873 787 km 687 km 658 km 786 791 416 45% 19% 787 687 658 65% 67% CANTABRIA- ASTURIAS GALICIA CASTILLA&LEON 9.595 km de traza de Líneas Aéreas AT-MT El plan de mantenimiento se diseña en función de las necesidades zonales 10
Sistema de Gestión de la Vegetación Primera visualización del Sistema donde se muestras los escenarios y red de distribución. Ejemplo de la tipología de vegetación asociada a una línea AT-MT Ejemplo de busqueda Planificación, seguimiento y control centralizado 11
Inspección Inteligente de activos de red Beneficios Mejora la captura de datos Incrementa de fiabilidad del proceso Análisis semi automático en oficina Trazabilidad de proceso Implementado desde 2018 Reduce el personal de campo Controla el inventario de activos ~ 3.500 km/año de inspección inteligente Facilita proyectos de ingeniería 12
Sistema de Inspección Inteligente de red Plataforma helitransportada LA INFORMACIÓN SE CONVIERTE EN ACTIVO Características del vuelo • ~ 25/30 metros por encima de la línea. - Inspector de líneas a bordo Inspección visual a • Velocidad lenta de vuelo: 20-30 km/h. 1 bordo - Registro de defectos detectados visualmente • Captura de temperatura momento del vuelo durante el vuelo • Una pasada por traza. • Condiciones ambientales: sin lluvia y sin niebla - Sentido de avance del helicóptero y contrario - 2-5 mm de resolución en AT y MT Cámaras oblicuas - Análisis de defectos visuales en gabinete 2 RGB y termográfica Cuchilla corta cables - Trazabilidad del proceso: imagen del defecto - Imágenes de la línea y el entorno Turbina - Medición precisa y objetiva de distancias (error < 15 cm) - Focalizar la atención del inspector en defectos de Protección parabrisas 3 LiDAR componentes - Análisis semi automático de distancias en gabinete - Soporte planteamiento soluciones Cuchilla corta cables ALTA SEGURIDAD EN VUELO Sensor de temperatura Cámara térmica 1,024 x 768 px 2 X Cámaras oblicuas RGB orientables 28 Mpx Sensor LiDAR Riegl VUX 1 LR 13
Imagenes RGB 2 mm Inspección Inteligente Ejemplos de información capturada (I) 14
Datos LIDAR Inspección Inteligente Ejemplos de información capturada (II) 15
Datos LIDAR Inspección Inteligente Ejemplos de información capturada (III) 16
Video 17
Objetivos de la estrategia de Viesgo: acelerar la transición energética INDICADOR DE CAPEX-OPEX CRITICIDAD SALUD PERSPECTIVA GESTIÓN DEL • Diseñar estrategias de mantenimiento óptimas y sostenibles RENDIMIENTO DEL ACTIVO • Dirigir adecuadamente los planes de inversión (renovación) PERSPECTIVA • Maximizar la vida útil del activo existente OPERACIONAL • Operar con una gestión basada en análisis de riesgos
Hacia la Optimización del Mantenimiento Valor Optimización del Mantenimiento Gestión de la Vegetation Gestión de la Fiabilidad Salud del Equipo Alcance CONEXIÓN PERCEPCIÓN OPTIMIZACIÓN Proporcionar una visión integral, Predecir y diagnosticar con precisión Determinar balance óptimo entre fiabilidad, completa y precisa del activo, su el problema de cada activo y responder rendimiento y costo para crear estrategias de condición, estado y salud antes de que falle mantenimiento adecuadas por activo AUDITABLE: normas UNE, ISO, IEEE, CIGRE y entidades científico-técnicas de referencia
Metodología de Optimización de Estrategias de Mantenimiento 1 Análisis de Criticidad por Activo (ACA) Aplicación Matriz de Criticidad Jerarquización de activos de Selección de Activos de mayor impacto distribución mediante la aplicación de para el negocio o alto coste de reposición la técnica “Criticidad Total por Riesgo” 2 Análisis Modal de Fallos y Efectos (FMEA) Aplicación Matriz de Criticidad de Riesgos Mitigados vs Riesgos No Mitigados Identificación de Riesgos por Identificación acciones de Activo mitigación del Riesgo • Componente/Elemento • Componente/Elemento • Modo de Fallo (MF) • Modo de Fallo (MF) • Frecuencia/POF • Acción de Mitigación • Efecto • POF con mitigación 3 Análisis de Coste-Beneficio de las estrategias de mitigación del Riesgo por modo de fallo del activo 4 Selección y ajuste de las Estrategias de Mantenimiento según: mitigación de riesgos y costes de despliegue. Modos de fallo de alto impacto requerirán un análisis de monitorización continua de la condición.
Metodología de Optimización de Estrategias de Mantenimiento Análisis estrategia de mantenimiento Transformador de Potencia 30MVA – Monitorización continua gases Resultado ACA: Crítico 19 Modos de Fallo Mitigados a través de 8 Gamas de Mantenimiento ESTRATEGIA DE Riesgo No Mitigado MANTENIMIENTO DISEÑADA Riesgo Mitigado Gamas de Mantenimiento Acción Tipo Intervalo DGA CM 1 año (Análisis de gases) OQA (Análisis físico- CM 2 años MF1 MF2 MF3 MF4 MF5 MF6 MF7 MF8 MF9 MF10 MF11 MF12 MF13 MF14 MF15 MF16 MF17 MF18 MF19 químicos) Modos de Fallo Calisto 2 (Monitorización H2, CO, CM Continuo Aumento del Riesgo H2O y Tª) FFA Monitorización continua permite CM 4 años (Compuestos furánicos) disminuir la frecuencia de los ensayos de Ensayos Eléctricos CM 8 años aceite de 1 a 2 años. El coste anual disminuye un 4%. Termografía CM 1 año Inspección Visual y Accesorios (Condiciones de PM 1 año La eliminación de la sellado, servicio y gama de mtto. “ensayos superficie) eléctricos” disminuye el Disminución Inspección Sistema de coste anual en un 22%, FF 3 años de Costes Protección mientras aumenta el * CM: Mantenimiento Basado en Condición riesgo de 6 modos de * PM: Mantenimiento Preventivo * FF (Failure Finding): Detección de fallo defectos o fallos ocultos en los sistemas de protección
Modelo de Salud del Transformador de Potencia Aplicación ejemplo Transformador de Potencia 55/12kV - 30MVA – Monitorización continua gases CP2 CP1 51% Edad Envejecimiento AMI Compuestos Furánicos 51% Índice de 100% Mantenimiento MANTENIMIENTO PRESCRIPTIVO Análisis Físico-químicos: Acided, Ensayos BDV y humedad. Aceite • 72 Parámetros de condición de Nivel 2 89% Ponderación de parámetros DGA gases: CO, CO2, H2,C2H2, Monitorización C2H4, C2H6,CH4 gases en (CP2) supervisados para el Aceite Transformador de Potencia (TP) Reactancia fugas, SFRA, excitación 87% monofásica, FP trafos, Relación Ensayos bobinado, R devanado, R aislamiento Eléctricos AHI TP ERL • 8 Parámetros de condición de Nivel 2 bobina, perdida dieléctrica pararrayos 83% 21,4 - Vida (CP2) supervisados para el Cambiador ÍNDICE SALUD DEL Termografía Evaluación Remanente térmica TRANSFORMADOR (años) de Tomas (OLTC) Nivel aceite bornas AT/BT, Relé 95% • 153 Posibles acciones de mantenimiento Buchholz/Jansen, indicadores de temperatura, conservador, Condiciones de servicio ventiladores, … propuestas para el Transformador de AHI OLTC 61% POF 96% 2,3% Potencia (TP) Cuba, brida principal, radiador, bornas Indice de Salud del AT/BT, caja de conexiones, tuberías y Condiciones Probabilidad de sellado Cambiador de Tomas accesorios, respirador, … de Fallo (OLTC) • 26 Posibles acciones de mantenimiento 100% Cuba, radiador, bornas AT/BT, caja propuestas para Cambiador de Tomas de conexiones, tuberías y accesorios, Condiciones de superficie respirador, ventiladores, … en Carga (OLTC)
Modelo de Salud del Transformador de Potencia Aplicación ejemplo Transformador de Potencia 55/12kV - 30MVA – Monitorización continua gases • Transformador de potencia Crítico. Índice de Índice de • TP con 49 años y una vida remanente Salud Completitud Probabilidad estimada de 21,4 años, alcanzando los de Datos de Fallo 70,4 años. • 56 de 72 parámetros de condición de Nivel 2 (CP2) inspeccionados/analizados Vida (CPLI = 82,3%). Remanente Índice de • 5 acciones de mantenimiento propuestas Criticidad Riesgo como resultado de las inspecciones y ensayos realizados en el TP. • 6 de 10 CP2s inspeccionados/analizados Distribución de los CP2s según Índice de Salud Índice de Mantenimiento en el OLTC (CPLI = 70%). • 2 acciones de mantenimiento propuestas como resultado de las inspecciones y ensayos realizados en el OLTC. Distribución de los CP2s según Índice de Mantenimiento • Probabilidad de fallo (2,3%) e índice de riesgo (3,205) del TP bajos.
Digitalización del proceso Plataforma Gestión Plataforma Analítico Centro de Activos de Sensores Predictiva Operación de Red Monitorizados Sistema Salud ADMS Gestión trabajos Monitorización y y Averías de campo Análisis del Estrategia Gestión Plan de Dato Condición Trafos de monitorizada Mantenimiento Potencia SGA Plataforma Sistema de de Gestión de Movilidad Cables Plan de Mtto. Activos Subterráneos AT Optimización Correctivo Condición Condición Estrategias de monitorizada diaria Mantenimiento (sensorizada) Plan de Mtto. Preventivo: Condición medida Detección y en campo Diagnóstico del fallo Trafos de Distribución Mejora Toma Activos No Planes de de Decisiones Monitorizados Renovación: Programado y Basado en Condición Interruptores Seccionadores Apoyos y Celdas AT-MT Medidas especificas de la condición del activo, Conductores avisos, incidentes y averías. Baterías Desnudos AT-MT Sistemas Telecontrol Sistemas Protección Estaciones Cables Subterráneos MT Meteorológicas
Optimar el plan de Mantenimiento Preventivo es posible utilizando técnicas de análisis de criticidad de los activos. Reducir el gasto (Opex) se consigue mediante la aplicación de técnicas analítico-predictivas a la gestión de la vegetación en la red de distribución. Metas La utilización de nuevas tecnologías mejoran el proceso de inspección de los activos de red. Optimizar las estrategias de mantenimiento es posible mediante la implementación de una plataforma predictiva. 25
También puede leer