Les données alimentent la maintenance prédictive des éoliennes
Dans les éoliennes, la défaillance des composants peut entraîner de coûteuses semaines de panne, de réparations et de pertes de production. Dans de nombreuses machines, les dysfonctionnements précoces peuvent se manifester par des anomalies de comportement mesurées par des capteurs. Cela permet une correction rapide. Pour des systèmes aussi complexes que les turbines, les défis sont plus importants. C’est notamment le cas parce qu’il est difficile de définir le comportement « normal » à partir duquel mesurer les changements, à cause des considérables variations de signal d’une turbine à l’autre. Proxima Solutions, du groupe BKW, a travaillé avec le CSEM pour optimiser la maintenance dans ce secteur particulièrement délicat.
En collaboration avec les scientifiques de la donnée de Proxima, le CSEM a développé une série d’algorithmes d’intelligence artificielle. Ceux-ci détectent, diagnostiquent et hiérarchisent les problèmes de manière précoce, avec une grande précision, en « apprenant » le comportement attendu de chaque turbine, et en codant les connaissances expertes des spécialistes éoliens et de terrain de BKW. La presque totalité des parcs éoliens de BKW fait désormais usage de ce système qui a anticipé une quarantaine de comportements anormaux au cours des 18 premiers mois. Cette technologie pourrait également être transposée aux systèmes de maintenance des panneaux solaires et aux batteries..
En 2023, DNV acquiert Proxima Solutions, fournisseur de logiciel-service éolien basé sur l'IA, pour renforcer son activité GreenPowerMonitor.