Diagnóstico OWC basado en aprendizaje automático utilizando datos reales medidos de plantas de energía undimotriz

  1. Fares Mzoughi
  2. Izaskun Garrido Hernandez
  3. Jon Lecube Garagarza
  4. Aitor J. Garrido Hernández
Libro:
WWME 2023 V. Jardunaldia - Itsas energiako sistemen aurrerapen berriei buruzko irakaskuntza-oharrak
  1. Aitor J. Garrido Hernández (ed. lit.)
  2. Matilde Santos Peñas (ed. lit.)
  3. Izaskun Garrido Hernandez (ed. lit.)

Editorial: Servicio Editorial = Argitalpen Zerbitzua ; Universidad del País Vasco = Euskal Herriko Unibertsitatea

ISBN: 978-84-09-58971-5

Año de publicación: 2024

Páginas: 13-18

Congreso: Jornada Internacional de Energía Eólica y Marina (5. 2023. null)

Tipo: Aportación congreso

DIALNET GOOGLE SCHOLAR lock_openADDI editor

Resumen

Este manuscrito presenta un novedoso método de diagnóstico orientado a la clasificación para los sistemas de aprovechamiento de energía (PTO) en las plantas de convertidores de energía de las olas (WEC). El enfoque propuesto fue probado en la planta de energía de olas basada en múltiples columnas de agua oscilantes (OWC) en Mutriku con el objetivo de reducir el Costo Normalizado de Energía (LCoE) mediante la aplicación de estrategias de mantenimiento predictivo. La metodología implica utilizar el Análisis Discriminante Lineal (LDA) para identificar las características más cruciales derivadas de los datos medidos. Posteriormente, se emplea la Máquina de Soporte Vectorial (SVM) como técnica de clasificación para categorizar el estado del sistema OWC.

Fuente de los datos: Dialnet