Machine learning para la identificación de anomalías en turbinas eólicas

• Autores: B. Weiss, Segundo Esteban San Román, Matilde Santos Peñas
• Localización: Haize eta Itsas Energiari Buruzko Irakaskuntza-Oharrak: PID2021-123543OB-C21 eta C22 proiektuen VI. Jardunaldiako Monografia / Aitor Josu Garrido Hernández (ed. lit.), Matilde Santos Peñas (ed. lit.), Izaskun Garrido Hernandez (ed. lit.), 2025, ISBN 978-84-09-70364-7, págs. 70-75
• Idioma: español
• Enlaces
  • Texto Completo Libro
• Resumen

  • Este artículo presenta un análisis de losdatos del parque de turbinas eólicas Alpha Ventus,con el objetivo de detectar anomalías en elrendimiento de los aerogeneradores. Se han utilizadodatos reales del proyecto RAVE (Research at AlphaVentus), para analizar los efectos de la velocidad delviento, la posición de la góndola y otros factoresambientales en la eficiencia de las turbinas. En esteartículo, entre las diversas técnicas de aprendizajeautomático, se han seleccionado los k-vecinos máscercanos (K-NN) para identificar patrones y detectaranomalías indicativas de posibles problemas. Losresultados muestran que algunas turbinas del parqueeólico, ubicadas en el centro, están sujetas a efectos deestela significativos e irregularidades operativas. Alajustar los parámetros del modelo K-NN se mejora lafiabilidad de la operación y el mantenimiento de lasturbinas.