El proveedor global en servicios de tecnología e ingeniería, Ayesa, ha iniciado su trabajo en el proyecto Integria, enfocado en la investigación de la integridad estructural de aerogeneradores flotantes mediante el uso de modelos basados en inteligencia artificial (IA). El objetivo principal es crear un modelo digital basado en IA para optimizar la gestión de la integridad estructural de estas estructuras, facilitando la detección y prevención de fallos, fatiga y degradación. El proyecto aspira a extender la vida útil de los parques eólicos offshore flotantes mediante algoritmos avanzados de toma de decisión para Operación y Mantenimiento (O&M).
Durante 2022, se observó un importante avance en la tecnología flotante eólica, con la asignación global de zonas para el desarrollo de parques eólicos y una meta de instalar hasta 30 GW de esta tecnología en la próxima década. En España, específicamente, se tiene el objetivo de instalar 3 GW de parques eólicos flotantes para 2030, presentando una oportunidad significativa para la cadena de suministro en Euskadi, ya involucrada en la eólica flotante a nivel prototipos.
El proyecto Integria enfrenta desafíos únicos, como el paso de demostrar la viabilidad técnica de prototipos individuales a garantizar la operación efectiva de un parque eólico durante toda su vida útil. Esto implica un gran salto tecnológico desde la fase de sobredimensionamiento de prototipos hasta la optimización de su diseño para demostrar viabilidad económica.
Existen actualmente diversos modelos y herramientas para O&M offshore, pero estos suelen ser específicos y presentan limitaciones como la falta de información real sobre tasas de fallo, orientación de mercado inadecuada y una visión integral insuficiente que abarque todos los componentes críticos y actividades relacionadas con la operación y mantenimiento.
Integria busca superar estos retos a través de la obtención de modelos basados en datos reales de operación marina, diseño de piezas de transición con sensórica integrada, recolección y procesamiento de grandes volúmenes de datos para alimentar los modelos de IA, monitorización de datos reales y anticipación de resultados con el modelo digital de IA, y la integración de modelos basados en IA con modelos físicos.
