Detección de anomalías en turbinas eólicas: un análisis comparativo

• Marcos Quirós, Diego ^[1] ; Gómez Silva, María José ^[1] ; Santos Peña, Matilde ^[1] ; López González, Clara Isabel ^[1]
  1. [1] Universidad Complutense de Madrid

     Universidad Complutense de Madrid

     Madrid, España

     
• Localización: Jornadas de Automática, ISSN-e 3045-4093, Nº. 45, 2024
• Idioma: español
• Títulos paralelos:
  • Anomaly detection in wind turbines: a comparative analysis
• Enlaces
  • Texto completo
• Resumen
  • español

    El contexto de emergencia climática y el agotamiento de los combustibles fósiles ha llevado a organizaciones privadas y a entidades públicas a aumentar los esfuerzos en el desarrollo e investigación de fuentes de energía alternativas y limpias, entre las que destaca la energía eólica. En este artículo se propone la implementación de diferentes algoritmos de aprendizaje automático para tareas de detección de anomalías en datos de aerogeneradores. Se ha realizado una batería de experimentos con diferentes algoritmos de aprendizaje automático para realizar un análisis comparativo del rendimiento de estos métodos. El objetivo final es contribuir con herramientas computacionales a mejorar la operación y mantenimiento de las turbinas eólicas tanto terrestres como marinas.

  • English

    The context of climate emergency and the depletion of fossil fuels has led private organizations and public entities to increase efforts in the development and research of alternative energy sources to fossil fuels. Within this framework, wind energy emerges as a great alternative. This article aims at implementing and analysing different machine learning algorithms for anomaly detection tasks in data belonging to wind turbines. To achieve this, a battery of experiments has been conducted with various machine learning algorithms, with the goal of performing a comparative analysis of the performance of these methods. The ultimate goal is to contribute with computational tools to improve the operation and maintenance of both onshore and offshorewind turbines.