IEEE Power & Energy Magazine - Spanish - November/December 2020 - 110

La figura 4 ofrece un estudio de caso para desarrollar
este enfoque de mantenimiento predictivo desde el integrador de sistema de NEC de Energy Solutions. La empresa utilizó el FMEA por primera vez durante la fase de diseño del
sistema para identificar componentes vitales y las vías de
falla y determinar las necesidades de datos. Su infraestructura en la nube permite la recopilación y el almacenamiento
de datos de los BESS implementados en todo el mundo. Los
datos históricos de todos los sitios se utilizan en algoritmos
de análisis predictivo. Un algoritmo, utilizado para identificar anomalías en los módulos de batería, analiza los datos
históricos de cada soporte para un sitio y asocia indicadores en los datos del soporte (por ejemplo, las tensiones de la
celda, la corriente, la capacidad de la batería y las horas de
funcionamiento) con las operaciones del sistema. Estas anomalías representan problemas recuperables que podrían dar
lugar a errores no recuperables. Algunos ejemplos incluyen
la degradación de la capacidad o un cortocircuito en la celda/
escape térmico que causa un peligro de incendio del sistema
(hasta la fecha, las instalaciones de NEC no han experimentado ningún evento catastrófico o peligro de incendio). Las
notificaciones sobre este comportamiento anómalo requieren de un análisis adicional para eliminar todo falso positivo.
Si los ingenieros identifican una anomalía real, colocan el
soporte de batería que incumple fuera de servicio hasta que
se reemplaza el módulo. En resumen, el mantenimiento predictivo ha permitido a NEC identificar módulos de baterías
que se comportan mal antes de que desencadenen riesgos
de seguridad, afecten negativamente a la disponibilidad del
sistema o reduzcan su capacidad. El enfoque también ha
llevado a una reducción en los costos de mantenimiento al
permitir que el equipo de servicio planifique las visitas de
manera más eficiente en cada región geográfica.

Oportunidades de colaboración en la
identificación de las relaciones entre el
indicador y la falla
Debido a que el objetivo del mantenimiento predictivo es
reducir las interrupciones catastróficas de los ESS y mejorar
la seguridad, las herramientas para el proceso deben estar
disponibles para todos los operadores del BESS. El activo
más vital es una lista completa de relaciones entre el indicador y la falla. Los integradores de sistemas pueden identificar algunas de estas relaciones durante la fase de diseño
del sistema, pero los conjuntos de datos sustanciales para
llevar a cabo análisis adicionales no se encuentran ampliamente disponibles. En algunos casos, estos datos pueden
considerarse propietarios y, en general, las empresas tienen
reticencias comprensibles sobre la publicación de datos de
fallas. Hoy en día, la única base de datos pública de almacenamiento de energía (mantenida por el DOE) se centra
principalmente en instalaciones, tecnologías y aplicaciones
de almacenamiento de energía. La creación de un centro de
intercambio de información de fallas y problemas es una
solicitud más complicada.
110

ieee power & energy magazine

Por lo tanto, recomendamos que las terceras partes interesadas independientes creen una base de datos pública de
enlaces causales y datos de fallas que las empresas puedan
utilizar para mejorar las aplicaciones de supervisión predictiva en sus sistemas. Esta tarea puede ser desalentadora
para las personas, pero puede no ser tan difícil para aquellas
organizaciones dedicadas a apoyar la seguridad del ESS. La
seguridad de los servicios de emergencia es razón suficiente
para alentar a los integradores de sistemas y demás involucrados en el mantenimiento del sistema a colaborar con el
proceso público de identificación de estas relaciones causales e indicadores principales.

Resumen y recomendaciones
En este artículo, recomendamos que la industria del almacenamiento de energía cambie a un proceso de monitoreo predictivo y mantenimiento como el siguiente paso para mejorar
la seguridad y las operaciones del BESS. El mantenimiento
predictivo ya se emplea en otras aplicaciones de empresas de
servicios públicos, como centrales eléctricas, turbinas eólicas y sistemas FV. Este proceso complementa los códigos
y estándares actuales del BESS y también contribuye en la
ampliación de los esfuerzos para diseñar sistemas más seguros. Este enfoque es necesario debido a lo siguiente:
✔✔ Los errores del BESS siguen ocurriendo a pesar de los
enormes esfuerzos para mitigar las fallas clave que se
cree que son los factores que contribuyen a los fallos.
✔✔ Cuando si se producen fallas, las medidas adoptadas
para contener el fallo (y proteger la seguridad de los
seres humanos) en general resultan en la pérdida total
de la unidad.
✔✔ Los estándares actuales para los BESS hacen hincapié
en las pruebas de fábrica, la puesta en servicio y la respuesta de emergencia en lugar de la orientación para la
operación y el mantenimiento.
El objetivo de un proceso predictivo es identificar el
indicador de una falla recuperable para iniciar una operación de mantenimiento de bajo costo y evitar que la falla
inicial se convierta en una falla catastrófica. No obstante,
la creación de vínculos causales entre los estados de falla
final y sus indicadores clave es una tarea desalentadora, en
especial en esta etapa temprana de la industria del BESS.
En este artículo se describe cómo los integradores de sistemas pueden establecer estos vínculos durante la fase de
diseño y utilizar el análisis de datos en sistemas de campo.
A pesar de los desafíos, los beneficios de los enfoques de
mantenimiento predictivo para reducir las fallas catastróficas y mejorar la seguridad son demasiado grandes para
ignorarlos. Incluso hoy en día, con empresas como NEC
que utilizan solo sus propios datos históricos, el enfoque
proporciona un gran valor. A pesar de esta historia de éxito,
la industria se beneficiaría en última instancia de un consorcio público/profesional que crea una base de datos de
todos las cuestiones que conducen a problemas/señales más
grandes de advertencia de falla. Esta mayor transparencia
noviembre/diciembre del 2020

IEEE Power & Energy Magazine - Spanish - November/December 2020

Table of Contents for the Digital Edition of IEEE Power & Energy Magazine - Spanish - November/December 2020