- -

Análisis de la producción energética en un parque eólico utilizando redes neuronales

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Análisis de la producción energética en un parque eólico utilizando redes neuronales

Mostrar el registro sencillo del ítem

Ficheros en el ítem

dc.contributor.advisor Martón Lluch, Isabel es_ES
dc.contributor.advisor Lorduy Alós, María es_ES
dc.contributor.author Ruiz Pérez, José María es_ES
dc.date.accessioned 2018-10-08T07:04:43Z
dc.date.available 2018-10-08T07:04:43Z
dc.date.created 2018-09-14
dc.date.issued 2018-10-08 es_ES
dc.identifier.uri http://hdl.handle.net/10251/109866
dc.description.abstract [ES] En el año 2020, casi la mitad de los parques eólicos en España habrán alcanzado los quince años desde su instalación. Es en esta fase de la vida útil de los aerogeneradores donde aparecen problemas de envejecimiento, tales como holguras, desgaste de materiales, etc. lo cuales generan pérdidas en la energía producida. En este marco, se hace necesario el disponer de datos reales de estimación de potencia para tomar decisiones con respecto a la viabilidad de los parques. Este Trabajo Final de Grado se centra en realizar un estudio de la producción energética teórica y real del parque eólico Los Lirios de 48 MW de potencia situado en la comarca de El Andévalo, provincia de Huelva. El presente trabajo será estructurado en dos partes diferenciadas. En la primera se llevará a cabo una caracterización del Recurso Eólico tanto en la provincia de Huelva como en el parque eólico objeto de estudio. Posteriormente se procederá a calcular la energía teórica que producirán los aerogeneradores haciendo uso de la curva de potencia del modelo de aerogenerador implantado. En la segunda parte se hará uso una Red Neuronal con la ayuda del software matemático Matlab. Mediante la Red Neuronal se tratará de justificar las causas de la pérdida de rendimiento de los aerogeneradores del parque (modelo de Gamesa G90-2 MW). El análisis de las variables que propician esta pérdida de rendimiento se ha obtenido mediante ensayos con el mismo modelo de aerogenerador obteniendo unos registros que se introducirán en la Red Neuronal. Algunas de las variables consideradas son la temperatura, el desgaste de los engranajes del multiplicador o las variaciones en la velocidad del viento. Una vez introducidos se obtendrá una nueva curva de potencia del aerogenerador en la que se reflejará la influencia de las variables consideradas. Una vez se compare la energía obtenida con los cálculos de los registros de energía anuales del parque eólico se analizarán las posibles causas de esta desviación, motivando así la segunda parte del trabajo. Finalmente se realizará un presupuesto con el fin de evaluar los costes de ingeniería asociados al trabajo realizado. es_ES
dc.description.abstract [CA] A l´any 2020, quasi la meitat dels parcs eòlics en Espanya haurà assolit els quinze anys des la seua implantació. Es en aquesta fase de la vida útil dels aerogeneradors a on apareixen els problemes de envelliment com folgances, desgast dels materials, etc. els quals generen pèrdues en la energia produïda. En aquest marc, es fa necessari disposar de dades reals d´estimació de potència per a tomar decisions respecte a la viabilitat dels parcs. Aquest Treball Final de Grau es centra en realitzar un estudi de la producció energètica teòrica y reial del parc eòlic Los Lirios de 48 MW de potència situat en la comarca de El Andévalo, província de Huelva. El present treball serà estructurat en dues parts diferenciades. En la primera es portarà a cau una caracterització del Recurs Eòlic tant a la província de Huelva com al parc eòlic objecte d´estudi. Posteriorment es procedirà a calcular la energia teòrica que produiran els aerogeneradors fent us de la corba de potència del model d´aerogenerador implantat. En la segona part es farà us d´una Red Neuronal con l´ajuda del software matemàtic Matlab. Mitjançant la Red Neuronal es tractarà de justificar les causes de la pèrdua de rendiment dels aerogeneradors del parc (model de Gamesa G90-2 MW). El anàlisi de les variables que propicien aquesta pèrdua de rendiment se han obtingut uns registres que s´introduiran en la Red Neuronal. Algunes de les variables considerades son la temperatura, el desgast dels engranatges del multiplicador o les variacions de la velocitat del vent. Una vegada introduïts s´obtindrà una nova corba de potència de l´aerogenerador en la que es reflectirà la influència de les variables considerades. Una vegada es compare la energia obtinguda amb el càlculs dels registres anuals d´energia del parc eòlic s´analitzaran les possibles causes d´aquesta desviació, motivant així la segona part del treball.Finalment es realitzarà un pressupost amb la finalitat de avaluar els costos d´enginyeria associats al treball realitzat. es_ES
dc.description.abstract [EN] In the year 2020, almost half of the wind farms in Spain will have reached the fifteen years since its installation. It is in this phase of the life of wind turbines where there are problems of aging, such as slacks, wear materials, etc. as that generate losses in the energy produced. In this context, it is necessary having real data for the estimation of power to make decisions regarding the feasibility of the parks. This end of degree work focuses on a study of the theoretical and actual energy production of the Los Lirios of 48 MW wind farm located in the region of El Andévalo, Huelva province. This work will be structured in two distinct parts. The first will take place a characterization of the wind resource, both in the province of Huelva and in Windpark object of study. Subsequently be to calculate the theoretical energy which will produce wind turbines making use of the model implanted wind turbine power curve. The second part will be a neural network with the help of the mathematical software Matlab. Using the neural network be justified causes of yield loss of Park (model Gamesa G90-2 MW) wind turbines. Analysis of the variables that lead to the loss of performance was obtained by tests with the same model of wind turbine getting records to be entered in the neural network. Some of the variables considered are temperature, the multiplier gears wear or variations in the speed of the wind. Once you get a new power curve of the wind turbine which will reflect the influence of the variables considered. Once compare energy calculations of annual records of energy from the wind farm will analyse the possible causes of this deviation, thus motivating the second part of the work. Finally there will be a budget in order to evaluate the engineering costs associated with the work carried out. es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.rights Reserva de todos los derechos es_ES
dc.subject Parque Eólico es_ES
dc.subject Producción Energética es_ES
dc.subject Recurso Eólico es_ES
dc.subject Red Neuronal es_ES
dc.subject Presupuesto es_ES
dc.subject.classification ESTADISTICA E INVESTIGACION OPERATIVA es_ES
dc.subject.classification INGENIERIA NUCLEAR es_ES
dc.subject.other Grado en Ingeniería en Tecnologías Industriales-Grau en Enginyeria en Tecnologies Industrials es_ES
dc.title Análisis de la producción energética en un parque eólico utilizando redes neuronales es_ES
dc.type Proyecto/Trabajo fin de carrera/grado es_ES
dc.rights.accessRights Cerrado es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Estadística e Investigación Operativa Aplicadas y Calidad - Departament d'Estadística i Investigació Operativa Aplicades i Qualitat es_ES
dc.contributor.affiliation Universitat Politècnica de València. Escuela Técnica Superior de Ingenieros Industriales - Escola Tècnica Superior d'Enginyers Industrials es_ES
dc.description.bibliographicCitation Ruiz Pérez, JM. (2018). Análisis de la producción energética en un parque eólico utilizando redes neuronales. http://hdl.handle.net/10251/109866 es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela TFGM\90903 es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem