IEEE Power & Energy Magazine - Spanish - November/December 2020 - 108

Estudio de caso
Enfoques para el mantenimiento predictivo de los BESS
Esta es una aplicación de ejemplo de análisis predictivo
en datos históricos y en tiempo real del BMS para identificar
indicadores de comportamiento inusual. Estos indicadores
generan alertas que, en última instancia, conducen al
mantenimiento predictivo.

Secuencia de acción
Procesar las tendencias de los datos del sitio:
No
tensión agregada de la celda, corriente
de la batería, etc.
Análisis predictivo

Flujo de información

Sí
Ejecutar el algoritmo de análisis predictivo
en los datos del sitio para
obtener indicadores de mal funcionamiento/
debilidad de la batería

¿Indicador de mal funcionamiento/
debilidad detectado?

Datos del sitio enviados mediante
una conexión de Internet segura

Interfaz del
usuario con
actualizaciones
periódicas
de datos

Corriente del soporte (A)

Alertas
de correo
electrónico

Generación de
informes
diarios
y a pedido

150
100
50
0

0

20,000

40,000

En alerta, revise los datos del activo y
el perfil de uso del sistema para eliminar
un falso positivo y, si es necesario, actualice
el algoritmo de análisis predictivo

¿Se sospecha que el módulo de batería
tiene un mal funcionamiento?
Tome medidas como
* Poner el soporte o el sistema fuera de
servicio hasta que se realice la inspección in situ
* Programar una visita al sitio para verificar
los módulos con mal funcionamiento

60,000

-50
Tiempo (s)

-100

Tensión de la celda (V)

Se alertó al
equipo de servicio
sobre este patrón y
ellos revisaron
cuidadosamente los
datos; en consecuencia,
reemplazaron
un módulo de batería
en ese soporte.

Mantenimiento predictivo

Base de
datos con info.
del sitio

Indicador
de advertencia
del mal funcionamiento
de la batería
En este ejemplo,
el análisis predictivo
identificó un patrón en el
que la tensión de la celda
de un módulo en el
soporte número 1 se
desviaba de forma anormal
de las otras tensiones
en las celdas.

Establecer una alarma contra
un activo específico

Motor de análisis predictivo
* Informes del módulo débil
* Análisis de la temperatura
* Cálculo de la disminución
de la capacidad

3.8
3.7
3.6
3.5
3.4
3.3
3.2
3.1
3

Resultados

VcellMax_Soporte1
VminCell_Soporte1
VcellMax_Soporte2
VminCell_Soporte2

Patrón de desviación de la tensión de la celda
desencadenado como falla de la batería

0

20,000
40,000
Tiempo (s)

60,000

Los módulos de baterías con mal funcionamiento
se identificaron mediante el uso de algoritmos de
análisis predictivo antes de que puedan
desencadenar peligros para la seguridad, impactar
negativamente en la disponibilidad del sistema o
reducir su capacidad. Además, este enfoque
ayudó al equipo de servicio a planificar visitas de
mantenimiento de forma más eficiente en cada
región geográfica, mediante la reducción de los
costos de la garantía.

figura 4. Un estudio de caso del mantenimiento predictivo de NEC Energy Solutions.

108	

ieee power & energy magazine 	

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
