A indústria de energia eólica offshore, cada vez mais vital na escalada da descarbonização, tem se beneficiado do avanço em tecnologias de sensoriamento remoto e análise de dados. Esses desenvolvimentos transformaram a análise de dados de sensores um componente essencial para a gestão dos parques eólicos offshore, não apenas para garantir a eficiência e a sustentabilidade dessas instalações, mas também para assegurar a segurança operacional. As turbinas, expostas a condições ambientais extremas, exigem monitoramento constante para garantir seu funcionamento contínuo e seguro.  

A aplicação de Inteligência Artificial (IA) e Internet das Coisas (IoT) na indústria de energia eólica offshore oferece uma revolução no modo como os dados são gerenciados. O relatório Global Wind Report 2024 publicado pelo GWEC (Global Wind Energy Council) destaca que a integração dessas tecnologias na gestão dos dados provenientes de sensores pode reduzir significativamente o custo nivelado de energia (LCOE).

Figure 1: Fluxo potencial de desenvolvimento de projetos com várias aplicações de IA

Fonte: Traduzido de Global Wind Energy Council (2024)

Essas inovações ligadas aos sensores utilizados permitem o monitoramento em tempo real durante todo o ciclo de vida das turbinas eólicas, desde a fase de desenvolvimento até o descomissionamento. Além disso, proporcionam suporte preditivo para a Operação e Manutenção (O&M), minimizando o tempo de inatividade e maximizando a produção de energia.

O que são sensores em Turbinas Eólicas Offshore e como funcionam 

Sensores instalados em componentes-chave das turbinas eólicas offshore, como pás, torres e fundações, são dispositivos que possibilitam a coleta massiva de diversos dados em tempo real, monitorando as condições operacionais dos componentes das turbinas e do ambiente ao redor. Eles podem medir variáveis como temperatura, pressão, umidade, velocidade e direção do vento, vibração, e até mesmo corrosão nas partes metálicas expostas ao mar. Esses dados são essenciais para garantir a segurança e eficiência operacional das turbinas, que operam em condições severas, muitas vezes longe da costa.

Figura 2: Sensores de IoT em turbinas flutuantes

Fonte: Adaptado de Informed Infrastructure (2020)

Por meio da análise de dados de sensores, é possível compreender as condições estruturais e funcionais das turbinas eólicas através de informações precisas e atualizadas. A análise desse grande volume de dados é feita por algoritmos de Inteligência Artificial (IA) e Internet das Coisas (IoT), que de forma contínua identificam padrões de comportamento anômalos, permitindo intervenções rápidas em caso de problemas e uma abordagem preditiva de manutenção. Além disso, essa análise possibilita a implementação de estratégias operacionais mais eficientes. Portanto, a integração dos dados de sensores na energia eólica offshore otimiza o desempenho das turbinas, garantindo sua integridade prolongando sua vida útil, tornando a energia eólica offshore cada vez mais sustentável e competitiva. 

Aplicações dos Dados de Sensores em Turbinas Eólicas Offshore 

Uma das principais aplicações da análise de dados de sensores em parques eólicos offshore é a detecção precoce de corrosão. Pesquisadores têm desenvolvido tecnologias avançadas de sensoriamento remoto que monitoram em tempo real a corrosão das estruturas metálicas das turbinas eólicas offshore. Através de sensores de ultrassom e tecnologias de Inteligência Artificial (IA), é possível prever o desgaste das superfícies, evitando falhas catastróficas e reduzindo o tempo de inatividade para manutenção. 

Além da corrosão, a análise de dados de sensores é amplamente aplicada no monitoramento do ciclo de vida das turbinas offshore. Diversos estudos demonstram o uso de plataformas Internet das Coisas (IoT) para avaliar a condição de componentes ao longo de todas as fases do projeto eólico. Essas plataformas são capazes de fornecer previsões detalhadas sobre o estado ou condição operacional dos componentes, permitindo uma manutenção planejada e econômica. 

Uma aplicação promissora que tem sido amplamente discutida na literatura é o uso de técnicas de machine learning (ML), como o algoritmo de classificação k-means, para agrupar informações sobre a integridade estrutural das turbinas. O k-means é um método que busca particionar um número “n” de observações em “k” clusters, onde cada observação pertence a um cluster com a média mais próxima. Com base nas análises, é possível priorizar intervenções de manutenção e identificar turbinas que têm o potencial de operar além do seu ciclo de vida planejado, gerando assim, uma economia significativa para os operadores dos parques eólicos offshore. 

O uso de sensores, combinado com métodos analíticos, vai além do simples suporte às atividades de Operação e Manutenção (O&M). Durante a fase de estudo de viabilidade de projetos eólicos offshore, são realizadas fases de testes e medições de vento no mar, utilizando sensores distribuídos na região alvo. Um exemplo dessa tecnologia é o Bravo, desenvolvido pela Petrobras – um modelo flutuante de Lidar (Light Detection and Ranging) projetado para a coleta, monitoramento e avaliação de recursos eólicos offshore. Esse sensor óptico utiliza feixes de laser para medir a velocidade e a direção do vento, gerando dados compatíveis com o ambiente operacional das turbinas eólicas. Ele também é capaz de captar variáveis meteorológicas, como pressão atmosférica, temperatura do ar e umidade relativa, além de variáveis oceanográficas, como altura de ondas e correntes marítimas. Todos esses dados são essenciais para determinar o potencial de produção de energia eólica de uma determinada área.

Figura 3: Boia remota de avaliação de ventos offshore (Bravo)

Fonte: Agência Petrobras (2024)

As tendências futuras no campo da energia eólica offshore indicam que o uso de sensores, em conjunto com métodos analíticos utilizando Inteligência Artificial (IA) e Internet das Coisas (IoT) vai além da simples manutenção preditiva. Essas tecnologias permitem uma gestão mais eficiente das operações diárias, otimizando a produção de energia e minimizando riscos. O suporte às atividades de Operação e Manutenção (O&M) com tecnologias inteligentes favorece a gestão de ativos, reduzindo drasticamente os custos operacionais e aumentando a confiabilidade dos parques eólicos, produtividade e segurança das instalações. 

Apesar dos avanços, a implementação de sistemas de sensoriamento e análise de dados ainda enfrenta desafios. Um dos principais obstáculos é a integração de diferentes fontes de dados e tecnologias em um sistema coeso e eficiente. Parques eólicos offshore são complexos e compostos por diversas turbinas, cada uma equipada com inúmeros sensores, e a gestão eficaz desse fluxo de informações requer uma infraestrutura robusta e altamente conectada. Abaixo apresentamos 6 casos práticos da aplicação de sensores para as eólicas offshore em projetos específicos ao redor do mundo.

Casos Práticos de Sucesso 

Fonte: Beatrice Offshore Windfarm Ltd.

1. Projeto: Beatrice Offshore Wind Farm.

Localização: Reino Unido.

Descrição: Sensores em todas as 84 turbinas para monitorar continuamente a temperatura, vibração e corrosão dos componentes.

Resultado: Reduziu as intervenções de manutenção em 20%. 

Fonte: Orsted

2. Projeto: Hornsea Project One. 

Localização: Dinamarca. 

Descrição: Sensores para monitorar as condições do vento e ajustar automaticamente o ângulo das lâminas das turbinas. E, para detectar possíveis problemas em tempo real, como vibrações excessivas.

Resultado: Viabilizou-se planejar manutenções durante períodos de baixa demanda, evitando perdas significativas de produção. 

Fonte: MetriCorr

3. Projeto: East Anglia ONE. 

Localização: Reino Unido. 

Descrição: Sistema de sensoriamento que utiliza Inteligência Artificial (IA) e machine learning (ML) para monitorar o desempenho das turbinas em tempo real.  

Resultado: O sistema conseguiu prever falhas em componentes críticos das turbinas com 90% de precisão.

Fonte: Phoenix UK

4. Projeto: Borssele III & IV. 

Localização: Holanda. 

Descrição: Sensores avançados e Inteligência Artificial (IA) para monitoramento preditivo das turbinas.  

Resultado: Reduziu os custos de manutenção em 30% e aumentou a disponibilidade operacional das turbinas para 98%.

Fonte: MetriCorr

5. Projeto: Wikinger Offshore Wind Farm. 

Localização: Alemanha. 

Descrição: Sensores para monitorar o estado ou condição operacional estrutural das turbinas.

Resultado: Extensão da vida útil dos componentes em até cinco anos.

Fonte: Wattpress

6. Projeto: Block Island Wind Farm. 

Localização: Estados Unidos.  

Descrição: Sensores inteligentes para monitorar as condições climáticas e de operação. 

Resultado: Redução do número de paradas não programadas em 25%. 

Com o aumento da demanda global por energia limpa, a capacidade de aprimorar a eficiência operacional das turbinas eólicas offshore por meio da análise de dados de sensores será um diferencial competitivo crucial. À medida que mais empresas adotam essas tecnologias, espera-se que os parques eólicos offshore se tornem ainda mais eficientes, confiáveis e rentáveis, contribuindo significativamente para a transição energética global.