Estimación del fore-aft de un aerogenerador mediante redes neuronales recurrentes

La estimación en línea y precisa del desplazamiento fore-aft en aerogeneradores es esencial para su control y monitoreo, representando un desafío debido a su complejo comportamiento dinámico. Los métodos analíticos tradicionales requieren modelos de alta fidelidad difíciles de obtener en sistemas no...

Descripción completa

Detalles Bibliográficos
Autores principales:	Saavedra, Marcos David, Inthamoussou, Fernando Ariel, Ibáñez, Bernabé, Garelli, Fabricio
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2023
Materias:	Ingeniería Aerogenerador Redes Neuronales Recurrentes Estimación dinámica Fore-aft Aprendizaje Automático
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/167220
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-167220
record_format	dspace
spelling	I19-R120-10915-1672202024-06-14T04:09:08Z http://sedici.unlp.edu.ar/handle/10915/167220 Estimación del fore-aft de un aerogenerador mediante redes neuronales recurrentes Saavedra, Marcos David Inthamoussou, Fernando Ariel Ibáñez, Bernabé Garelli, Fabricio 2023-11 2023 2024-06-13T15:19:09Z es Ingeniería Aerogenerador Redes Neuronales Recurrentes Estimación dinámica Fore-aft Aprendizaje Automático La estimación en línea y precisa del desplazamiento fore-aft en aerogeneradores es esencial para su control y monitoreo, representando un desafío debido a su complejo comportamiento dinámico. Los métodos analíticos tradicionales requieren modelos de alta fidelidad difíciles de obtener en sistemas no lineales y altamente complejos. En este trabajo, se presenta un estimador basado en una Red Neuronal Recurrente (RNN) entrenada con datos operativos de un aerogenerador simulado. La metodología propuesta utiliza únicamente cinco señales eléctricas de fácil medición como entrada para estimar el movimiento fore-aft de la torre. Con el propósito de determinar las variables a medir para este fin, se propone la realización de un análisis de matrices de correlación. Los resultados obtenidos son satisfactorios para todo el rango de operación del aerogenerador. Este enfoque, basado en Inteligencia Artificial y apoyado en el análisis de correlación para la asignación de variables de entrada, ofrece una alternativa prometedora para abordar la estimación dinámica en este tipo de sistemas complejos al aprender las relaciones temporales directamente de los datos. Instituto de Investigaciones en Electrónica, Control y Procesamiento de Señales Objeto de conferencia Objeto de conferencia http://creativecommons.org/licenses/by-nc-sa/4.0/ Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) application/pdf 598-603
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ingeniería Aerogenerador Redes Neuronales Recurrentes Estimación dinámica Fore-aft Aprendizaje Automático
spellingShingle	Ingeniería Aerogenerador Redes Neuronales Recurrentes Estimación dinámica Fore-aft Aprendizaje Automático Saavedra, Marcos David Inthamoussou, Fernando Ariel Ibáñez, Bernabé Garelli, Fabricio Estimación del fore-aft de un aerogenerador mediante redes neuronales recurrentes
topic_facet	Ingeniería Aerogenerador Redes Neuronales Recurrentes Estimación dinámica Fore-aft Aprendizaje Automático
description	La estimación en línea y precisa del desplazamiento fore-aft en aerogeneradores es esencial para su control y monitoreo, representando un desafío debido a su complejo comportamiento dinámico. Los métodos analíticos tradicionales requieren modelos de alta fidelidad difíciles de obtener en sistemas no lineales y altamente complejos. En este trabajo, se presenta un estimador basado en una Red Neuronal Recurrente (RNN) entrenada con datos operativos de un aerogenerador simulado. La metodología propuesta utiliza únicamente cinco señales eléctricas de fácil medición como entrada para estimar el movimiento fore-aft de la torre. Con el propósito de determinar las variables a medir para este fin, se propone la realización de un análisis de matrices de correlación. Los resultados obtenidos son satisfactorios para todo el rango de operación del aerogenerador. Este enfoque, basado en Inteligencia Artificial y apoyado en el análisis de correlación para la asignación de variables de entrada, ofrece una alternativa prometedora para abordar la estimación dinámica en este tipo de sistemas complejos al aprender las relaciones temporales directamente de los datos.
format	Objeto de conferencia Objeto de conferencia
author	Saavedra, Marcos David Inthamoussou, Fernando Ariel Ibáñez, Bernabé Garelli, Fabricio
author_facet	Saavedra, Marcos David Inthamoussou, Fernando Ariel Ibáñez, Bernabé Garelli, Fabricio
author_sort	Saavedra, Marcos David
title	Estimación del fore-aft de un aerogenerador mediante redes neuronales recurrentes
title_short	Estimación del fore-aft de un aerogenerador mediante redes neuronales recurrentes
title_full	Estimación del fore-aft de un aerogenerador mediante redes neuronales recurrentes
title_fullStr	Estimación del fore-aft de un aerogenerador mediante redes neuronales recurrentes
title_full_unstemmed	Estimación del fore-aft de un aerogenerador mediante redes neuronales recurrentes
title_sort	estimación del fore-aft de un aerogenerador mediante redes neuronales recurrentes
publishDate	2023
url	http://sedici.unlp.edu.ar/handle/10915/167220
work_keys_str_mv	AT saavedramarcosdavid estimaciondelforeaftdeunaerogeneradormedianteredesneuronalesrecurrentes AT inthamoussoufernandoariel estimaciondelforeaftdeunaerogeneradormedianteredesneuronalesrecurrentes AT ibanezbernabe estimaciondelforeaftdeunaerogeneradormedianteredesneuronalesrecurrentes AT garellifabricio estimaciondelforeaftdeunaerogeneradormedianteredesneuronalesrecurrentes
_version_	1807223444820983808

Estimación del fore-aft de un aerogenerador mediante redes neuronales recurrentes

Ejemplares similares