Wind Turbine Blade Damage Identification using Deep Learning Algorithms

Abstract

[ES] El buen estado de las palas en los aerogeneradores es primordial para el correcto funcionamiento y óptima generación de energía. Por ello el monitoreo y reparación de las palas son tareas habituales en el ciclo de vida de un parque eólico.

Las tareas de adquisición de imágenes, revisión y clasificación de la gravedad de los de daños son demandantes en tiempo y requieren personal cualificado, además de ser muy riesgosas ya que algunas se realizan en altura. También es necesario detener los aerogeneradores durante la inspección, lo que disminuye la capacidad de producción energética.

En este TFM el objetivo es evaluar distintos algoritmos de redes de aprendizaje profundo, deep learning networks, para apoyar en la tarea de detección y clasificación de los de daños a partir de fotografías de las palas de los aerogeneradores. Para ello se dispone de imágenes con daños, ej. grietas , agujeros, entre otros, que han sido capturadas en distintos parques eólicos y en distintos modelos de palas.

[EN] The good condition of wind turbine blades is essential for correct operation and optimum generation of energy. Therefore, monitoring and repairing the blades are common tasks in the life cycle of a wind farm.

The tasks of image acquisition, inspection and damage classification are demanding in time and require expert knowledge, in addition to being very risky since some are performed at height. It is also necessary to stop the wind turbines during the inspection, which decreases the energy production capacity.

This Master Thesis objective is to evaluate algorithms of deep learning networks, to support the task of detection and classification of damages in photographs of the wind turbine blades. To do this, a dataset of images with damages is available, e.g. cracks, holes, among others, images of different blade models captured in different wind farms.