Resumen de MLP y CNN para Predicción de Variables de Turbinas Eólicas
Pablo Andrés Buestán Andrade, Matilde Santos Peñas, Jesús Enrique Sierra García
Uno de los principales objetivos que se abordan en la generación de energía eléctrica a través del viento es realizar correctamente las actividades de operación y mantenimiento (O&M) en los parques eólicos. Actualmente, el mantenimiento predictivo es una tarea fundamental para mejorar el rendimiento, prevenir posibles fallas futuras y reducir los costos operativos. La inteligencia artificial (IA) es una ciencia que ha permitido el diseño de diferentes algoritmos para el mantenimiento predictivo en plantas eólicas, concretamente utilizando técnicas de aprendizaje automático (ML). En este sentido, este estudio presenta el entrenamiento y predicción de diferentes algoritmos de ML, utilizando redes neuronales tradicionales y modelos de aprendizaje profundo. Estos modelos incluyen redes neuronales totalmente conectadas, redes neuronales convolucionales (CNN) y células de memoria a corto plazo (LSTM). Los resultados muestran que la técnica que mejor se adapta a la serie temporal de los aerogeneradores es la LSTM, obteniendo un valor inferior a 0,04 del Error Absoluto Medio (MAE). Este estudio permite conocer las diferentes configuraciones de IA aplicadas en la actualidad para mejorar el rendimiento en parques eólicos.
