Desarrollo y validación experimental de un gemelo digital para un aerogenerador

Abstract

En este trabajo se presenta el modelado y la validación de un gemelo digital para un aerogenerador, basado en redes neuronales. Concretamente, se trata de un aerogenerador de eje horizontal, tripala y de potencia nominal 2MW. La plataforma se encuentra situada en España y se ha tenido acceso a los datos históricos durante un año de diferentes mediciones sobre uno de los aerogeneradores reales de la planta. Las redes neuronales implementadas han sido elaboradas en un entorno software del programa de computación MATLAB. Distintas arquitecturas de redes se prueban a lo largo del trabajo, así como diferentes cambios en los datos disponibles para facilitar el entrenamiento de las redes y optimizar los resultados. El objetivo es obtener un modelo capaz de predecir con precisión la potencia generada por la máquina, dadas unas condiciones externas (ambientales) e internas (configuración de los elementos del aerogenerador) determinadas. Asimismo, se realiza una validación posterior de los diferentes modelos desarrollados, gracias a los registros disponibles, en los que se lleven a cabo numerosas predicciones de datos pasados y se comparen los resultados con la potencia real de dichos instantes; de este modo se valorará la validez y la precisión de dichos modelos. Tras esto, se decidirá cuál es la mejor de las soluciones disponibles y qué trabajos futuros podrían continuar este camino.

In this project it will be covered the modelling and validation of a digital twin for a wind turbine, based in neural networks. In particular, it is the case of a three-bladed, horizontal-axis wind turbine of 2MW of nominal power. The plant is located in Spain and we were allowed to access to the data for a whole year, including different measures of one of the turbines of the plant. The neural networks implemented have been developed in the enviroment of MATLAB. Different network architectures are tried throughout the work, as different changes in the available data in order to ease the training of the network and the optimization of the results. The aim is to obtain a model able to predict precisely the power generated by the turbine, given some particular external (enviromental) and internal (configuration of the elements of the wind turbine) conditions. Likewise, a subsequent validation of the different models is accomplished, thanks to the avalaible records, in which numerous predictions are carried out from past values of the data, and a comparaison beetween thes results and the actual power values is set. This way, the validity and accuracy of the models is valued. Afterwards, we will make a decision about which one is the best of the possible solutions, and what kind of work can follow in the future.