D’autres exigences ont incité les grands acteurs de l’énergie à faire appel à des techniques d’avant-garde pour le suivi et la maintenance de leurs actifs. Parmi ces exigences, la nécessité d’optimiser l’utilisation des ressources, de réduire les gaspillages et de renforcer l’efficience des installations. Prévenir à temps les dysfonctionnements et les chutes de rendement des composants critiques garantit la réduction des arrêts pour maintenance corrective et un rendement constant et proche des valeurs de projet de la centrale.
Cette étude de cas démontre les potentialités des algorithmes de machine learning appliqués aux données de suivi des actifs d’une centrale thermo-électrique. La numérisation d’une centrale thermo-électrique est ainsi étudiée.
PROFIL DU CLIENT
Le client est une entreprise italienne spécialisée dans l’approvisionnement, la production et la vente d’énergie électrique, de gaz et de pétrole brut.
Elle détient environ 6,7 % de la production d’énergie italienne et possède un parc de production incluant installations à cycle combiné à gaz, hydroélectriques, éoliennes, solaires et à biomasse.
EXIGENCES DU CLIENT
Se conformant aux principes d’Industrie 4.0, le client est fortement résolu à investir dans la recherche et dans l’exploration du potentiel offert par l’intelligence artificielle appliquée à l’industrie. L’objectif est de créer une infrastructure fiable pour la maintenance prédictive et le suivi de ses actifs.
Le client nous a donc demandé de mettre en œuvre un système de suivi et de maintenance prédictive basé sur l’intelligence artificielle. Son objectif est un contrôle constant des performances des actifs critiques de l’une de ses centrales thermoélectriques. La centrale intéressé est à cycle combiné, et installée dans le sud de l’Italie.
LA SOLUTION
La solution consiste en une plateforme connectée aux capteurs de champ qui assure le suivi constant de la santé de l’installation.
Après une première phase de collecte et d’analyse des données disponibles au moyen d’un système d’acquisition IoT, les algorithmes d’intelligence artificielle ont été chargés sur la plateforme et reproduisent en temps réel les variables critiques de processus.
Un système de data experience permet de comparer les variables réelles et les prédictions des modèles. Le contrôle continu de la centrale est ainsi assuré en termes de performances et de conditions de chaque actif. Les data experience sont dédiées à chaque actif et élaborent les résultats des modèles de façon à les rendre compréhensibles pour les utilisateurs. Des alarmes se déclenchent si les variables suivies diffèrent dangereusement des prédictions sur la base d’un système de cartes de contrôle.
La plateforme permet en outre la maintenance des algorithmes d’intelligence artificielle comme s’il s’agissait de véritables actifs d’entreprise. Elle utilise pour cela un module IA. Il est ainsi possible d’approfondir les performances de chaque modèle en termes de métriques et d’évaluer la nécessité de rectifier les modèles selon les données les plus récentes. L’analyse des cartes de contrôle de cette section permet d’approfondir l’étude du comportement des actifs en utilisant l’analyse des résidus et leurs sommes cumulées (CUSUM).
RÉSULTATS
L’utilisation de l’intelligence artificielle a permis l’implémentation d’environ 30 modèles de machine learning. Ces derniers peuvent reproduire les variables critiques de processus en simulant un comportement optimal. Les algorithmes implémentés sont en particulier en mesure de prévenir:
- – les déviations du rendement de l’installation d’environ 0,2 %
- – plusieurs comportements anormaux des actifs principaux et auxiliaires
- – l’indication numérique de l’efficience prévue pour les turbines à gaz et à vapeur.
Une plateforme personnalisée de data experience a permis d’intégrer le groupe de modèles implémenté. Le contrôle continu de la centrale est ainsi assuré en termes de performances et d’état de chaque actif.
La présence d’un groupe complet de modèles permet en outre des contrôles croisés. Il permet de prévenir les causes d’anomalies via étude du comportement de l’actif intéressé et de ceux connectés à ce dernier.
CONCLUSION
Le suivi continu des performances des actifs d’une centrale thermoélectrique est essentiel à réduire au minimum les arrêts pour maintenance corrective et à respecter les contraintes des normes sur l’environnement et l’optimisation des ressources.
Disposer d’un logiciel permettant la création et la maintenance aisée des modèles d’IA a été déterminant pour le projet de numérisation de la centrale thermoélectrique. Disposer d’un instrument permettant, non seulement de créer, mais également d’aligner les modèles sur les nouvelles données si les actuelles enregistrent une baisse de performance suite à une modification des paramètres nominaux, fait de l’IA évolutive un véritable actif industriel. Contactez-nous pour en savoir plus sur comment tout cela peut s’appliquer à votre entreprise industrielle.
