Salta gli elementi di navigazione
banner
logo ridotto
logo-salomone
DIEF Dipartimento di Ingegneria Industriale

Sviluppo prototipazione e dimostrazione di un sistema avanzato di tele-diagnostica per impianti geotermici- SmartGeo

 

Il progetto riguarda lo sviluppo e la dimostrazione di un sistema avanzato di diagnostica predittiva (prognostica) di tutti i principali componenti di un impianto geotermico che risulti integrato e configurabile e che permetta di:

  • Estendere l’attuale livello di monitoraggio, includendo nuovi componenti e processi;
  • Monitorare on-line lo stato di salute/performance dell’impianto e dei suoi sotto-sistemi;
  • Riconoscere in anticipo possibili guasti;
  • Aggregare diverse tipologie di informazioni, strutturate (ad esempio i dati di processo) e non strutturate (come gli ordini di manutenzione);
  • Dotare gli operatori e i responsabili di esercizio e manutenzione degli impianti di sistemi di analisi e di supporto alle decisioni per l’ottimizzazione dell’intero parco. Il sistema sarà dimostrato attraverso l’implementazione di un primo pilota su una centrale geotermica da 20MWe di ultima generazione e sarà esteso alle seguenti sezioni:
    • Pozzi di estrazione e rete di trasporto del vapore geotermico alla centrale;
    • Sistemi di lavaggio del vapore da sostanze corrosive per la centrale (ad esempio l’acido cloridrico tipicamente contenuto nel fluido endogeno);
    • Macchinario principale di centrale (turbina, generatore, condensatore fluido geotermico in uscita dalla turbina, estrattore/compressore gas non condensabili);
    • Sistemi di raffreddamento del ciclo termico;
    • Impianto AMIS (Abbattimento Mercurio ed Idrogeno Solforato) per il trattamento dei gas non condensabili prima del loro rilascio in atmosfera;
    • Rete acqua e pozzi di re-iniezione delle condense geotermiche nel sottosuolo.

Attualmente l’analisi delle performance e dello stato di impianto si basa su approcci di primo livello: sistemi di controllo e supervisione, sistemi di archiviazione storica, set di analisi di dati storici, per lo più basati su soglie di accettabilità ricavate grazie all’esperienza degli operatori. L’approccio alla manutenzione è di tipo programmato e su condizione.

Il livello di sensorizzazione degli impianti, seppure già buono su alcune sezioni, può essere migliorato attraverso la messa a punto e l’implementazione di sistemi di misura fino ad oggi commercialmente non pienamente disponibili e affidabili. Partendo dallo stato dell’arte sopra descritto, il progetto si pone l’obiettivo di introdurre le seguenti innovazioni:

  • Sviluppo di algoritmi di diagnostica predittiva per il riconoscimento anticipato di eventi basati su:
    • modelli “prognostici” (approcci deterministici, con regole fisiche tarate su dati e pattern noti);
    • tecniche statistiche e di machine learning (ML) per l’apprendimento del comportamento dai dati storici e l’identificazione di “pattern non noti”.
  • Sviluppo di sistemi avanzati di misura (ad esempio misuratori di portata per fluido geotermico multifase) e sensoristica specifica basata su tecnologie “Internet of Things” (IoT) applicate al mondo industriale, per garantire l’acquisizione a basso costo di nuovi parametri di macchinario e di processo in contesti distribuiti e capace di elaborare, a bordo sensore, un primo livello di diagnostica predittiva.
  • Sviluppo di un’interfaccia grafica innovativa per la presentazione dei risultati di massima efficacia per gli operatori, tenendo conto del fattore umano e della specificità/complessità del contesto applicativo.

I benefici attesi sono i seguenti:

  • aumento dello sfruttamento e della produzione da fonti rinnovabili, con specifico riferimento alla geotermia;
  • riduzione dei costi di esercizio e manutenzione;
  • riduzione dei tempi di cattura e intervento sul guasto e conseguente aumento della disponibilità di impianto.

Il prodotto industriale derivante dal progetto potrà essere esteso ad almeno altri dieci siti a valle del primo pilota, con un potenziale impatto positivo sull’indotto della geotermia a livello regionale e nazionale. I Partners coinvolti accresceranno le proprie competenze nel campo della diagnostica di processo con potenziali ricadute in contesti anche diversi da quello geotermico.

Coordinatore: Enel Green Power S.p.a 

Partner:

 

Contatti:

Prof. Mario Tucci 

Prof. Filippo De Carlo 

 

 

 

 

Progetto co-finanziato dal POR FESR Toscana 2014-2020 

Asse Prioritario 1

Azione 1.1.5

 

 

 
ultimo aggiornamento: 03-Lug-2018
Unifi Home Page

Inizio pagina