Estudio y aplicación de metodologías de análisis y ciencia de datos para el mantenimiento predictivo de un aerogenerador offshore
La generación de energía eólica marina está experimentando un creci miento significativo a nivel mundial, presentando una oportunidad impor tante para la diversificación de fuentes de energía renovable. Sin embargo, la instalación y operación de aerogeneradores en entornos marinos plantea múltiples...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2024 |
| País: | España |
| Institución: | Universitat Politècnica de Catalunya (UPC) |
| Repositorio: | UPCommons. Portal del coneixement obert de la UPC |
| Idioma: | español |
| OAI Identifier: | oai:upcommons.upc.edu:2117/416633 |
| Acceso en línea: | https://hdl.handle.net/2117/416633 |
| Access Level: | acceso abierto |
| Palabra clave: | Wind turbines Offshore wind power plants Ciencia de datos Energía offshore Mantenimiento predictivo Aerogeneradors Parcs eòlics marins Àrees temàtiques de la UPC::Energies::Energia eòlica::Aerogeneradors |
| Sumario: | La generación de energía eólica marina está experimentando un creci miento significativo a nivel mundial, presentando una oportunidad impor tante para la diversificación de fuentes de energía renovable. Sin embargo, la instalación y operación de aerogeneradores en entornos marinos plantea múltiples desafíos que deben abordarse para garantizar la sostenibilidad y viabilidad económica de estos proyectos a largo plazo. Uno de los principales retos es optimizar los recursos destinados a la operación y mantenimiento de los aerogeneradores, dado el elevado coste que implica su funcionamiento en condiciones marítimas. En este contexto, el mantenimiento predictivo surge como una estrategia fundamental para minimizar estos costos y maximizar la eficiencia. Este proyecto, en primer lugar, ofrece un análisis del estado actual de la industria y del enfoque de mantenimiento predictivo. Posteriormente, se presenta un estudio detallado y la aplicación de técnicas de análisis de datos y aprendizaje automático con el propósito de reducir los costos de manteni miento, demostrar los beneficios de esta tecnología innovadora y delinear un camino hacia la adopción de la industria 4.0 en el sector eólico marino. |
|---|