Page 58 - Ingeniantes congreso Misantla 623 final

Revista Ingeniantes 2019 Año 6 No. 2 Vol. 3

Finalmente, los valores de la Tabla 1 son gráficados en [2] Herbert, G. J., Iniyan, S., Sreevalsan, E., & Raja-
la figura 6. pandian, S. (2007). A review of wind energy techno-
logies. Renewable and sustainable energy Reviews,
11(6), 1117-1145.

[3] Hameed, Z., Hong, Y.S., Cho, Y. M., Ahn, S. H.,
Song, C.K. 2009. Condition monitoring and fault de-
tection of wind turbines and related algorithms: A
review. Elsevier.

[4] di Prátula, H. R., Guillermo, E., Rossi, A., Boce-
ro, R. 2012. Turbinas Eólicas: Optimización en el
Pre-Diagnóstico de Fallas en el Generador. Informa-
ción Tecnológica Universidad Tecnólogica Nacional
de Buenos Aires.

[5] Gong, X. 2012. Online Nonintrusive Condition
Monitoring And Fault Detection For Wind Turbines.
Ph. D Thesis University of Lebraska-Lincoln.

Figura 6. Magnitudes de la componente de falla a diferentes [6] Djurovic, S., Crabtree, C. J., Tavner, P. J., Smith,
velocidades A. C. 2011. Condition monitoring of wind turbine in-
duction generators with rotor electrical asymmetry.
En base a los resultados obtenidos se propone un um- IET Journals.
bral lineal dependiente de la velocidad como criterio [7] Hajnayeb, A., Ghasemloonia, A., Khadem, S.E.,
de diagnóstico (línea negra), el cual indique que a partir Moradi, M. H. 2011. Application and comparison of
de este umbral existe la presencia de una falla en roda- an ANN-based feature selection method and the ge-
mientos. Este criterio puede servir como protección y netic algorithm in gearbox fault diagnosis. Elsevier.
detener la operación del aerogenerador mediante fre- [8] Saravanan, N., Ramachandran, K.I. 2009. Inci-
nado y así evitar una falla más severa. pient gear box fault diagnosis using discrete wavelet
CONCLUSIONES transform (DWT) for feature extraction and classifi-
Los resultados del presente proyecto muestran la cation using artificial neural network (ANN). Elsevier.
viabilidad de la metodología propuesta analizando las [9] Hang, J., Zhang, J., Cheng, M. 2013. Fault diag-
magnitudes de la componente de falla, la cual puede nosis of wind turbine based on multi-sensors infor-
ser clasificada mediante una función lineal como cri- mation fusion technology. IET Journals.
terio de diagnóstico y así implementar un sistema de
alarmas o paros de emergencia que permita detener
el equipo a tiempo antes de que ocurra una falla más
severa. Se logró emular el funcionamiento de un ae-
rogenerador con condiciones de operación normal y
bajo condiciones de fallas en rodamientos, esto permi-
tió analizar las componentes frecuenciales mediante la
STFT, centrando el análisis en la frecuencia de falla en
baleros a diferentes velocidades de operación del ae-
rogenerador. Por otra parte, se tiene como prospectiva
el mejoramiento de las señales adquiridas para poder
detectar el nivel de severidad de la falla e implemen-
tación de algoritmos de clasificación inteligente como
redes neuronales y lógica difusa.

BIBLIOGRAFÍA
[1] Panwar, N. L., Kaushik, S. C., & Kothari, S. (2011).
Role of renewable energy sources in environmen-
tal protection: A review. Renewable and Sustainable
Energy Reviews, 15(3), 1513-1524.

54