La arquitectura de la plataforma estará basada en las siguientes tecnologías, sobre las cuales se llevará a cabo una serie de tareas de investigación exhaustiva:
- Tecnologías IIoT para la recogida de datos del estado de los aerogeneradores.
- Edge Computing para el procesado inteligente de la información en el extremo.
- Colas distribuidas para la ingestión de datos IIoT de baja latencia.
- Tecnologías Big Data para el almacenamiento masivo de datos de telemetría, predicciones meteorológicas, así como los parámetros necesarios para la caracterización del entorno de los aerogeneradores (condiciones ambientales, orográficas y climáticas).
- Técnicas Deep NeroFuzzy Learning para el mantenimiento predictivo en aerogeneradores, así como la optimización de la planificación de las intervenciones de mantenimiento preventivo, correctivo y predictivo requeridas.
Este motor proporcionará las siguientes características innovadoras:
- Caracterización y predicción de las situaciones de fallo en los aerogeneradores.
- Caracterización y predicción de la reducción de la eficiencia en la generación eléctrica a lo largo de la vida útil del aerogenerador.
- Reducción de los costes debido a averías graves.
- Reducción de pérdidas debido a cortes en la generación debido a fallos.
- Detección precoz en los cambios de comportamiento en los aerogeneradores.
- Programación de los mantenimientos causados por anomalías detectadas en los aerogeneradores.
- Posposición de las intervenciones en caso de eventos meteorológicas extremos que puedan suponer un riesgo para la operativa a nivel de recursos humanos o técnicos.
- Reducción de los costes de mantenimiento y desplazamientos por medio de la optimización de las intervenciones realizadas.
