Enart Energía Selecciona Material de Aspa de Turbina Eólica con Datos Usando EDMAP
Enart Energía, que opera parques eólicos con más de 300 MW de potencia instalada, seleccionaba el material de aspa mediante métodos intuitivos. El modelo EDMAP desarrollado por Corius, al predecir las propiedades mecánicas con una precisión de R²=0.9997, redujo el tiempo de selección de materiales de 2–4 semanas a 8 minutos y extendió la vida útil del aspa en un 30%.
La selección de material de aspa en diferentes condiciones de temperatura se hacía de manera intuitiva; las selecciones incorrectas acortaban la vida útil del aspa y causaban altos costos de mantenimiento
EDMAP (EpoxyDMA-Predictor) — modelo de aprendizaje automático basado en MLP; predice las propiedades mecánicas de epoxi con temperatura e identificación de material con una precisión de R²=0.9997
La vida útil del aspa se extendió un 30%, el costo anual de mantenimiento se redujo un 22%, el tiempo de selección de materiales pasó de 2–4 semanas a 8 minutos, ROI completo en 6 meses
¿Qué Problemas Operativos Enfrentaba Enart Energía?
Enart Energía es una gran empresa de energías renovables que opera más de 15 parques eólicos en las regiones del Egeo y el Mármara con más de 300 MW de potencia instalada. Las aspas de turbina se fabrican con compuestos de epoxi reforzados con fibra de vidrio que trabajan bajo alto estrés. Sin embargo, los rangos de temperatura en diferentes regiones de Turquía (−10 °C a +45 °C) afectan dramáticamente el comportamiento mecánico del material. Como no había un proceso sistemático de selección de materiales según esta variable, el equipo optaba por epoxis premium excesivamente costosos o enfrentaba fallas por fatiga relacionadas con la temperatura.
- La relación temperatura-propiedades mecánicas se determinaba mediante pruebas de laboratorio; el proceso de prueba tardaba 2–4 semanas por material
- Las grietas prematuras y daños por delaminación debido a la selección incorrecta de materiales causaban un promedio de 3–5 cambios de aspa por año
- Los valores del módulo de almacenamiento (E′) y la atenuación de energía (tanδ) se medían mediante pruebas DMA manuales, los resultados se seguían en hojas de cálculo
- Las pruebas existentes solo se realizaban en etapa de prototipo; no había capacidad de predicción retrospectiva para escenarios de temperatura observados en el campo
- No había un criterio numérico estándar para comparar formulaciones de epoxi de diferentes proveedores
¿Cómo Solucionó Corius Estos Problemas?
Corius desarrolló el modelo de aprendizaje automático llamado EDMAP (EpoxyDMA-Predictor) junto con el equipo de I+D de Enart Energía. El modelo predice los valores del Módulo de Almacenamiento (E′), el Módulo de Pérdida (E″) y Tan Delta (tanδ) en milisegundos con entrada de temperatura e identificación de material. El modelo entrenado en arquitectura MLP se exportó al formato ONNX y se integró tanto en estaciones de trabajo de ingeniería como en aplicaciones de tabletas de campo.
Se recopilaron los datos históricos de pruebas DMA (Análisis Mecánico Dinámico) de Enart. Los datos se limpiaron y normalizaron según diferentes formulaciones de epoxi y perfiles de temperatura; se creó el conjunto de entrenamiento del modelo.
- Digitalización y consolidación de registros de pruebas DMA de laboratorio de 3 años
- Extracción de curvas temperatura-propiedad para 12 formulaciones de epoxi diferentes
- Completamiento de valores faltantes mediante interpolación y detección de valores atípicos
- División entrenamiento/validación/prueba (70/15/15)
Se diseñó una arquitectura de perceptrón multicapa (MLP). Se realizó optimización de hiperparámetros. Se alcanzó una precisión de R²=0.9997 para el Módulo de Almacenamiento y R²=0.9980 para Tan Delta. El modelo se exportó al formato ONNX.
- Arquitectura MLP: 3 capas ocultas, activación ReLU, regularización dropout
- Optimización de hiperparámetros: 200 pruebas con Optuna
- Cabezales de salida separados para E′, E″ y tanδ
- Exportación a ONNX Runtime para distribución en producción
- Validación cruzada con 30 escenarios aprobados por ingenieros
EDMAP se integró en el flujo de trabajo de selección de materiales de Enart. Los ingenieros pudieron ingresar el rango de temperatura operativo esperado y comparar las formulaciones de epoxi más adecuadas en segundos.
- Capa de servicio EDMAP con contenedor REST API
- Integración con base de datos interna de materiales
- Instalación ligera de ONNX Runtime para tabletas de campo (Android)
- Capacitación de ingenieros y preparación de manual de usuario
¿Cómo Se Usó EDMAP en el Campo?
Selección de Material por Región
Los ingenieros ingresan el rango de temperatura mínima/máxima anual de la región donde se instalará la planta en EDMAP. El modelo presenta comparativamente las curvas de E′, E″ y tanδ para cada candidato de epoxi; sugiere el mejor equilibrio en términos de rendimiento mecánico.
Simulación de Escenario de Temperatura
Se simularon retrospectivamente los eventos de temperatura extrema a los que estuvieron expuestas las aspas existentes (olas de calor extremo o eventos de helada) para verificar si el material excedió su umbral crítico.
Comparación de Proveedores
Las nuevas formulaciones de epoxi de diferentes proveedores se sometieron a preselección con EDMAP antes de someterse a la prueba DMA estándar; solo los candidatos más prometedores se dirigieron a la prueba completa.
Predicción de Vida Útil del Aspa y Planificación de Mantenimiento
Se modeló la acumulación de fatiga por aspa combinando datos de temperatura operativa con predicciones de EDMAP; se generaron recomendaciones de período para planificación de mantenimiento proactiva.
¿Qué Resultados Produjo el Proyecto EDMAP?
El modelo, al prever los picos de consumo por adelantado, cambió completamente nuestra estrategia de compra de energía. Ahora hacemos una gestión energética proactiva, no reactiva.