Hola,
¿eres nuevo aquí?

Regístrate gratis y conecta tu empresa con financiación pública, partners y proyectos.

Tengo cuenta

Regístrate

Ver video

PID2020-120314RB-I00

Financiado

Cerrado

PROCESAMIENTO AVANZADO DE SEÑALES PARA LA PROGNOSIS DE FALLOS EN AEROGENERADORES

PROCESAMIENTO AVANZADO DE SEÑALES PARA LA PROGNOSIS DE FALLOS EN AEROGENERADORES EL OBJETIVO GENERAL DE LA PROPUESTA ES LA INVESTIGACION, EL DESARROLLO Y LA APLICACION DE ALGORITMOS AVANZADOS DE PROCESADO DE SEÑALES Y DE APRENDIZAJE AUTOMATICO (ML) PARA EL PRONOSTICO DE FALLOS EN AEROGENERADORES (WT) UTILIZAND... ver más

01/01/2020

UVIC

31K€

Presupuesto del proyecto: 31K€

Líder del proyecto

FUNDACIÓ UNIVERSITÀRIA BALMES No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 2

Fecha límite participación Sin fecha límite de participación.

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2020-01-01 No tenemos la información de la convocatoria

0% 100%

Información adicional privada

No hay información privada compartida para este proyecto. Habla con el coordinador.

Participantes

UVIC

Lider

Proyectos interesantes

NRG4CAST

Data Science

Software

4M€ Cerrado

ENE2014-56126-C2-2-R

Data Science

Software

129K€ Cerrado

TED2021-131671B-I00

Data Science

Software

93K€ Cerrado

DIN2019-010452

Data Science

Software

46K€ Cerrado

BEYOND

Data Science

Software

71K€ Cerrado

PID2019-107455RB-C22

Renewable Energ...

Data Science

48K€ Cerrado

Conecta tu I+D

¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video

Líder del proyecto

FUNDACIÓ UNIVERSITÀRIA BALMES No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 2

Presupuesto del proyecto 31K€

Fecha límite de participación Sin fecha límite de participación.

Descripción del proyecto EL OBJETIVO GENERAL DE LA PROPUESTA ES LA INVESTIGACION, EL DESARROLLO Y LA APLICACION DE ALGORITMOS AVANZADOS DE PROCESADO DE SEÑALES Y DE APRENDIZAJE AUTOMATICO (ML) PARA EL PRONOSTICO DE FALLOS EN AEROGENERADORES (WT) UTILIZANDO DATOS SCADA, ORGANIZAMOS LA PROPUESTA EN TRES BLOQUES, A) LA MEJORA DEL PRE-PROCESADO DE LAS BASES DE DATOS SCADA Y EL ETIQUETADO DE LOS DATOS UTILIZADOS PARA ENTRENAR LOS MODELOS, RESPECTO AL PRE-PROCESADO SOLO COMENTAR QUE ESTAS BASES DE DATOS CONTIENEN LOS REGISTROS LOS DATOS DE TODAS LAS TURBINAR DE UN PARQUE EOLICO RECOLECTADOS DURANTE AÑOS Y POR TANTO ES COMUN ENCONTRAR DATOS FALTANTES DEBIDOS A FALLOS OCASIONALES DE ALGUNOS SENSORES O DEBIDO A SU RE-CALIBRACION, ASI COMO LA PRESENCIA DE LECTURAS QUE NO TIENEN SENTIDO DEBIDO PRINCIPALMENTE A ERRORES EN LAS COMUNICACIONES CON EL SISTEMA SCADA, COMO SE TRATEN ESTOS PROBLEMAS ACABA IMPACTANDO EN EL RESULTADO FINAL DE LOS ALGORITMOS, OTRO ASPECTO ESENCIAL EN LA CONSTRUCCION DE LOS MODELOS SUPERVISADOS ES LA CALIDAD DEL ETIQUETADO DE LOS DATOS, EL ETIQUETADO DE LOS DATOS DE TODO UN PARQUE, CONSIDERANDO CADA SUBSISTEMA DEL AEROGENERADOR, ES UNA TAREA QUE, NECESARIAMENTE, SE ACABA AUTOMATIZANDO, EN LA PRACTICA SE ANALIZAN LOS EVENTOS DE FALLO Y EN FUNCION DE ESTOS SE ETIQUETAN LOS DATOS MUCHAS VECES SIN POSIBILIDAD DE COMPROBACION, AL ANALIZAR DETENIDAMENTE ALGUNOS TRAMOS ETIQUETADOS A MENUDO PODEMOS COMPROBAR QUE SE ETIQUETAN INCORRECTAMENTE, ESTOS ERRORES EN EL PRIMER ESLABON DE LA CADENA TIENEN UN GRAN IMPACTO EN EL COMPORTAMIENTO DE LOS MODELOS, POR ESTO PROPONEMOS MEJORAR EL ETIQUETADO AUTOMATICO PONDERANDO LA DECISION CON MODELOS DE NORMALIDAD CORRIENDO EN PARALELO CON EL ALGORITMO DE ETIQUETADO, OTRA CUESTION QUE QUEREMOS INVESTIGAR PARA OPTIMIZAR EL RENDIMIENTO DE LOS MODELOS ES EL EFECTO QUE TIENE LA PRACTICA DE INTEGRAR DATOS SCADA MAS ALLA DE LOS CINCO MINUTOS, EN LA SENSIBILIDAD Y LA ESTABILIDAD DE LOS ALGORITMOS,B) LA SEGUNDA LINEA DE TRABAJO TRATA PROPIAMENTE DE AVANZAR EN LA ELABORACION DE LOS MODELOS, APOSTAMOS POR LA DOBLE LINEA DE TRABAJAR CON MODELOS DE NORMALIDAD A PARTIR DE REGRESORES Y CON DE MODELOS DE CLASIFICACION A PARTIR DE TECNICAS DEEP LEARNING, APOSTAMOS POR LOS MODELOS DE NORMALIDAD PORQUE SE MUESTRAN ROBUSTOS A LA PRESENCIA DE ERRORES EN LOS DATOS DE ENTRENAMIENTO Y SU COSTE COMPUTACIONAL ES REDUCIDO, LA INNOVACION QUE BUSCAMOS ES QUE LOS MODELOS PREDIGAN SIMULTANEAMENTE VARIAS VARIABLES TARGET -NO SOLO UNA- Y QUE SEA RAPIDOS, PARA LOS CLASIFICADORES APOSTAMOS POR ESTRUCTURAS LSTM Y EN EL ENTRENAMIENTO PENSAMOS BENEFICIARNOS TANTO DE ETIQUETADO INTELIGENTE QUE PROPONEMOS EN EL PRIMER BLOQUE COMO DEL BALANCEO DE DATOS QUE REALIZAREMOS EN LE TERCER BLOQUE DE LA INVESTIGACION,C) EN ESTE BLOQUE PROPONEMOS UTILIZAR METODOS TENSORIALES PARA PROFUNDIZAR NUESTRO CONOCIMIENTO DE LOS DATOS SCADA EN AEROGENERADORES Y CON ELLO RESOLVER UN ASPECTO QUE ESTA RELACIONADO CON EL DESEQUILIBRIO DE DATOS ENTRE CLASES, EN NUESTRO ESCENARIO, LOS EJEMPLOS (CASOS) ETIQUETADOS COMO ALARMA SON RAROS (<5%), MIENTRAS QUE EL MODO DE OPERACION NORMAL REPRESENTA EL RESTO DE LOS CASOS (>95%), PROPONEMOS APLICAR LA IDEA DE AUMENTO DE DATOS, UTILIZANDO NUESTRA NUEVA TECNICA DESARROLLADA PARA CREAR DATOS ARTIFICIALES BASADOS EN MEZCLA DE MODOS DE DESCOMPOSICIONES DE SEÑALES DE LA MISMA CLASE, QUE YA HA SIDO UTILIZADA CON EXITO EN OTROS CAMPOS, EL OBJETIVO ES MEJORAR LA GESTION DE LOS PARQUES EOLICOS Y LA SU COMPETITIVIDAD, AEROGENERADORES\ENERGIA EOLICA\MONITOREO DE CONDICIONES\PROGNOSIS DE FALLOS\DATOS SCADA\PROCESADO AVANZADO DE SEÑALES\APRENDIZAJE AUTOMATICO/PROFUNDO\DESCOMPOSICIONES DE SEÑALES\METODOS TENSORIALES\MINERIA DE TEXTO

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores