DNV aprueba el método de análisis de mejora energética de WindESCo para aerogeneradores

DNV, cuyo grupo de empresas incluye al asesor de energía renovable líder en el mundo, aprobó el método de análisis de mejora energética 3.0 de WindESCo. El método utiliza el aprendizaje automático para evaluar la mejora energética de las turbinas eólicas después de las actualizaciones a turbinas de bajo rendimiento. Mediante el aprendizaje automático, WindESCo puede comparar cómo se compara el rendimiento de las turbinas ajustadas con las turbinas de control, normalizando las diferencias en la ubicación de las turbinas y otras variables.

La revisión de DNV incluyó un análisis detallado de la metodología, la selección de datos, la cuantificación de la incertidumbre y los requisitos de presentación de informes. Nathan Post, director sénior de I + D de WindESCo señaló: "Este trabajo marca un avance significativo en el estado de la técnica para medir las mejoras de rendimiento en plantas eólicas".

Esta última iteración del análisis de mejora energética de WindESCo reemplaza una versión aprobada por DNV en 2019. Las actualizaciones se realizaron para medir mejor los pequeños cambios en el rendimiento de las turbinas eólicas y mejorar la precisión.

El modelo se está utilizando actualmente en más de 20 parques eólicos de todo el mundo en un esfuerzo por medir la mejora de la producción anual de energía (AEP) realizada a través de los algoritmos y soluciones de software patentados de WindESCo. La aprobación por parte de DNV de su análisis de mejora energética más actual es un importante punto de prueba a medida que la empresa busca escalar sus servicios.

Blair Heavey, director ejecutivo de WindESCo, dijo: “Lo que distingue a WindESCo en la industria es que nuestros análisis hacen más que identificar problemas en turbinas eólicas y granjas, proporcionando también medidas para solucionarlos y posteriormente medir los resultados. La investigación de DNV valida que nuestros procedimientos de "medición" son científicamente sólidos” . Y añadió: "Estoy muy orgulloso del equipo de I + D aquí en WindESCo, que posee un profundo conocimiento de la ciencia eólica, la ingeniería y el aprendizaje automático y ha trabajado en conjunto para traducir ese conocimiento en una solución escalable que podemos ofrecer a nuestros clientes".

Post agregó: "Al final, esta aprobación ayuda a WindESCo en la consecución de su misión de maximizar el rendimiento de los activos eólicos de nuestros clientes al garantizar que cada turbina logre su producción de energía y confiabilidad óptimas".