Desarrollo de un modelo de simulación del comportamiento de un aerogenerador.

Abstract

El objetivo de este proyecto es reducir al máximo el tiempo de parada de un aerogenerador por fallos de sus componentes. Por eso el estudio trata de desarrollar un sistema para la detección de fallos en cada componente. El método elegido es la elaboración de modelos de comportamiento normal basado en redes neuronales. Estas redes, que son una forma de inteligencia artificial, aprenden a partir de un conjunto de datos reales de las partes del aerogenerador en condiciones normales de operación. Una vez se realicen los modelos se tienen las referencias esenciales de comportamiento para detectar anomalías. Finalmente, tras un estudio de modelado del error, se definirá el concepto de anomalía aplicada a estos sistemas, con el que se pretende garantizar un completo y preciso estudio de los diferentes componentes de un aerogenerador. En definitiva, no solo se busca predecir y simular sino también identificar el error y la anomalía en los diferentes componentes del aerogenerador, con vistas al diagnóstico de sus casos y su aplicación al correspondiente mantenimiento.

The objective of the Project is to optimize the time that the generator is not running due to failure in their components. That is why the project is going to develop a model to detect faults in wind generators. The chosen method is the development of the normal behaviour models based on Neural Networks. These networks, a form of artificial intelligence, can learn from real data of the different parts of the generator. Once the models are done, we will have the essential behavioural references to detect anomalies. Finally, after a study of the modelling of the errors, the concept of anomaly is defined, doing a complete and precise study of the components. Definitely, it not only predicts and simulates the results but the model tries to identify the error and the anomalies, focusing on diagnosing malfunctions and repairing them.