TY - JOUR AU - Manrique Piramanrique, Rubén Francisco AU - Sofrony Esmeral, Jorge PY - 2015/04/01 Y2 - 2024/03/28 TI - Data driven fault detection and isolation: a wind turbine scenario JF - Tecnura JA - Tecnura VL - 19 IS - 44 SE - Investigación DO - 10.14483/udistrital.jour.tecnura.2015.2.a05 UR - https://revistas.udistrital.edu.co/index.php/Tecnura/article/view/8354 SP - 71-82 AB - <p align="justify">Uno de los mayores inconvenientes presentes en la generación de energía eólica son los altos costos de mantenimiento asociados a fallas mecánicas. Este problema se hace más evidente en las turbinas de viento de escala industrial, en donde incrementos en el tamaño y la capacidad nominal traen consigo problemas adicionales asociados a vibraciones estructurales y efectos aeroelásticos en las hojas. Debido al incremento en la capacidad de operación, es imprescindible detectar de manera eficiente fallas y degradaciones en el sistema, garantizando la integridad, su fiabilidad y reduciendo los costos de operación. Este artículo presenta un sistema para la detección y aislamiento de fallas (FDI), basado en técnicas "Guiadas por los datos " (<em>Data driven</em>, abreviado DD). La arquitectura propuesta es una estrategia de varios niveles en donde: (i) el primer nivel detecta la ocurrencia de una falla (detección), mientras que (ii) el segundo identifica su origen (aislamiento). Se estudiaron y compararon cuatro técnicas de clasificación para cada uno de los niveles (Máquinas de Vectores de Soporte, Redes Neuronales Artificiales, K vecinos cercanos y Mezcla de Gaussianas). La mejor estrategia en cada nivel fue seleccionada para construir el sistema FDI. El rendimiento del sistema propuesto se evalúa en un modelo de referencia de una turbina eólica de escala comercial.</p> ER -