Resumen

La energa elica ha ganado gran popularidad debido a la cada vez ms grave crisis energtica y medioambiental. Sin embargo, las severas condiciones de funcionamiento suelen provocar fallos y averas en los aerogeneradores, lo que puede degradar considerablemente la seguridad y fiabilidad de los parques elicos a gran escala. En la prctica, la deteccin y el diagnstico precisos y eficientes de fallos son cruciales para un funcionamiento seguro y fiable del sistema. Este trabajo desarrolla una solucin eficaz de aprendizaje profundo utilizando una red neuronal convolucional para abordar dicho problema. Adems, la tcnica de aprendizaje mtrico basada en el criterio discriminante lineal se adopta en el proceso de entrenamiento del modelo de la solucin propuesta para mejorar la robustez algortmica en condiciones ruidosas. La solucin propuesta puede extraer eficazmente las caractersticas de los fallos mecnicos. La solucin algortmica propuesta se implementa y evala mediante una serie de experimentos para diferentes escenarios de fallos. Los resultados numricos demuestran que la solucin propuesta puede detectar y diagnosticar correctamente los mltiples fallos coexistentes de la caja de engranajes del aerogenerador en funcionamiento.

• Materias:Algoritmos (Matemáticas) Algebra Ingeniería Lógica matemática Matemáticas
• Subjects:Agorithms (Math) Algebra Engineering Mathematical logic mathematics
• Palabras claves:Energía eólica; Fallos; Aerogeneradores; Aprendizaje profundo; Detección de fallos; Fiabilidad
• Keywords:Wind power; Faults; Wind turbines; Deep learning; Fault detection; Reliability