Intervención de prevención: uso de modelos predictivos para detectar anomalías en compresores de turbinas de gas
Pampa Energía o Pampa Energy, es una compañía argentina con sede en la ciudad de Buenos Aires, fundada en 2005. Es una de las empresas más importantes del sector energético argentino, participando tanto de la generación y transmisión de energía eléctrica como en la producción y transporte de gas natural.
Participa en el 12% de la generación eléctrica, el 85% de la transmisión eléctrica en el territorio nacional argentino, así como también el 6% de la producción (incluyendo parte importante de la superficie del yacimiento de Vaca Muerta) y el 60% del transporte de gas natural.
La compañía se encuentra listada en Bolsas y Mercados Argentinos, siendo una de las empresas argentinas con mayor ponderación en los índices Merval (7,1809% desde el 1 de enero de 2019) y MSCI Argentina (10,77% al 31 de enero de 2019). Cuenta con un programa de American Depositary Share (ADS) Nivel II, admitido para cotizar en el New York Stock Exchange y cada ADS representa 25 acciones ordinarias.
A las 00:30 horas del 14 de agosto de 2018, Operadores de planta en Pampa Energía Genelba Thermal Power detectaron un cambio radical en las vibraciones del interior en una carcasa de cojinete del compresor. La velocidad en el la unidad de turbina de gas de 17 etapas pasó de 2,1 mm por segundo a 2,8 mm por segundo y la potencia disminuyó en 0,5 MW. Si bien este comportamiento fue inusual, no apareció una alarma en el sistema de control.
Después de cerrar apagaron la unidad para realizar una inspección completa del secciones de compresor y turbina, encontraron que el material del aro interior de la etapa 14 estaba dañado, y al borde del colapso.
La experiencia no sólo evitó que el activo fallara, la empresa evitó una factura de reparación de 7 millones de dólares.
Pampa Energía tuvo suerte de que capturaran la anomalía, pero la ausencia de cualquier alarma por parte de el sistema de control era preocupante.
En vez de confiar únicamente en los operadores para prevenir catástrofes, Pampa Energía decidió utilizar los datos de PI System para crear un algoritmo de mantenimiento predictivo para detectar desviaciones y tomar medidas preventivas.
Cálculos de eficiencia utilizando datos de PI System
Como primer paso, el equipo de proceso analizó los datos de PI System antes y después del incidente del cambio de paso de vibración del rodamiento. El análisis de la causa raíz identificó una disminución leve, pero irreversible, en la eficiencia del compresor dos días antes de que el operador encontrara la falla. La eficiencia isentrópica de un compresor se define como la relación entre la energía que se transmitiría en un proceso ideal y la energía suministrada en un proceso real. Al momento de la falla, Pampa Energía no contaba con un cálculo isentrópico en línea para el compresor. Sin embargo, incluso si tuvieran el cálculo, no habrían detectado el fallo con antelación porque la disminución fue sólo del 0,4%.
A continuación, el equipo creó el cálculo de eficiencia en línea utilizando PI Explorer y análisis. Luego realizaron un reabastecimiento para todo 2018 utilizando datos de PI System para garantizar que detectara anomalías de rendimiento. Esto permitió a Pampa Energía calcular valores de eficiencia y desarrollar parámetros. A continuación, crearon modelos predictivos en Python y Panda y los entrenaron utilizando datos de PI System. Utilizaron características polinómicas y modelos de regresión lineal multivariable para calcular la eficiencia en función de la potencia activa, la temperatura de entrada del compresor y la presión de entrada.
Los gráficos resultantes mostraron la eficiencia calculada versus la prevista, cualquier correlación entre las dos variables y la temperatura y presión unitarias.
Tras el análisis, descubrieron que el modelo coincidía con los cálculos de los días previos a que ocurriera la falla. Sin embargo, después del fallo, la eficiencia calculada disminuyó, apartándose de los cálculos del modelo original. “Entonces la siguiente pregunta es: ¿cómo podemos capitalizar lo que hemos aprendido y qué podemos hacer para que un fracaso de este tipo no vuelva a ocurrir?” dijo Walter Adad, ingeniero de procesos de Pampa Energía. "La respuesta es IP".
Objetivos
- Crear un algoritmo de mantenimiento predictivo para detectar desviaciones y alerte a los operadores sobre problemas para permitirles tomar medidas preventivas antes de que ocurra un evento importante.
Desafíos
- El sistema de control no pudo detectar anomalías en los compresores de las turbinas de gas antes de una falla catastrófica.
Soluciones
- AVEVA™ PI System™
Resultados
- Identificó rápidamente problemas potenciales, realizó el mantenimiento necesario y evitó problemas masivos, gastos asociados con la descomposición de activos.
- Dado el éxito del proyecto, la empresa está trabajando para aprovechar estas predicciones para sus otros activos críticos.
“Entonces la siguiente pregunta es: ¿cómo podemos capitalizar lo que hemos aprendido y qué podemos hacer para que un fracaso de este tipo no vuelva a ocurrir? La respuesta es PI System.”
Walter Adad - Process Engineer at Pampa Energía