Aplicación de Técnicas de Inteligencia Artificial para la predicción de fallas en un aerogenerador de eje horizontal utilizando los datos del Sistema SCADA

Abstract

En el presente trabajo, se realiza la predicción de fallas en el generador de un aerogenerador de eje horizontal mediante clasificación binaria, con el uso de técnicas de Inteligencia Artificial, específicamente, Machine Learning y Deep Learning. El principal objetivo de esta investigación es generar un modelo de predicción de fallas, mediante el análisis de los datos recogidos por el sistema SCADA (Supervisory Control And Data Acquisition). Para esto, en primer lugar, se realiza el análisis de los datos con técnicas de estadística descriptiva y visualización de datos, lo que permitió una adecuada selección de las variables, la preparación de la base de datos y la utilización de diferentes técnicas de remuestreo para eliminar el problema de desbalance de clases. Como resultado del análisis, se evidenció que, el submuestreo aleatorio presenta mejores resultados para la clasificación con el algoritmo de Árboles de Decisión, por lo que el conjunto equilibrado en sus clases de falla y estado normal, se emplea en la siguiente parte del estudio. A continuación, para aplicar de manera efectiva las técnicas de Machine Learning y Deep Learning, es necesario seleccionar adecuadamente aquellas que mejor se acoplen a la tarea de clasificación, para luego, una vez ajustados sus hiperparámetros, comparar su desempeño respecto a la que mejor predicción de fallas presente, trascendiendo el algoritmo Extra Trees con un valor de Recall igual a 0,973 y las redes neuronales convolucionales (CNN), aunque esta última trabaja con un conjunto de datos diferente alcanzando un valor de Recall de 0,79; resultando poco eficiente. Finalmente, la evaluación de los modelos se realiza con métricas derivadas de la matriz de confusión, especialmente Recall y el área bajo la curva ROC (AUC). Palabras clave: Machine Learning, Deep Learning, clasificación desequilibrada, matriz de confusión, aerogenerador.