Exploración y aplicación de "Diagnostic Feature Designer" para desarrollar modelos de diagnóstico de fallos en plantas eólicas

Abstract

Este trabajo de titulación explora la aplicación "Diagnostic Feature Designer" (DFD) de MATLAB, con el fin de comprender sus funcionalidades y que con esto se pueda crear modelos de diagnóstico de fallos en aerogeneradores. Para esto, se utilizó la documentación de MathWorks como guía en el desarrollo de los scripts, contemplando la parte del preprocesamiento, procesamiento de datos y características en el dominio del tiempo, tiempo-frecuencia y la frecuencia. Para encontrar estos modelos de diagnóstico se seleccionó los datos de temperatura del convertidor, proporcionados por la Corporación Eléctrica del Ecuador – CELEC. Se eligió estos datos porque representan el 33% de fallos en aerogeneradores. Con estas temperaturas, procesadas en todos los dominios, se encontraron 5 características importantes seleccionadas mediante el método supervisado prueba de dos clases (T-test): las características, promedio(mean), valor pico (peak value), valor cuadrático medio (RMS), valor pico con funciones de modo intrínseco y banda de potencia (band power), fueron utilizadas por el orden de importancia del método T-test. Estas características o indicadores de condición se entrenaron en la aplicación Clasification Learner, dando al modelo de árbol, como el que mayor precisión entregó en el entrenamiento, con una precisión del 97.27%. Este resultado de la aplicación DFD, indica la importancia de la utilización de la herramienta para la obtención de los modelos de diagnóstico y los indicadores de condición generados en este caso en particular para aerogeneradores.

Palabras claves: DFD, MathWorks, T-test, método supervisado, Clasification Learner, indicadores de condición.