Hola,
¿eres nuevo aquí?

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

Tengo cuenta

Regístrate

Ver video

TED2021-131311B-C21

Financiado

SOLUCIONES DIGITALES PARA MANTENIMIENTO PREDICTIVO DE PLANTAS EOLICAS

CON ESTE PROYECTO SE PRETENDE AVANZAR EN LA DIGITALIZACION DE LAS OPERACIONES DE CONTROL Y MANTENIMIENTO DE LAS ENERGIAS RENOVABLES EN COLABORACION CON EMPRESAS DEL SECTOR ENERGETICO. EL OBJETIVO FINAL ES ALCANZAR UNA TRANSICION E... ver más

01/01/2021

156K€

Presupuesto del proyecto: 156K€

Líder del proyecto

UNIVERSIDAD DE SEVILLA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 3670

Financiación concedida El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2021-01-01 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

Lider

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

Proyectos interesantes

TED2021-131311B-C22 SOLUCIONES DIGITALES PARA MANTENIMIENTO PREDICTIVO DE PLANTA... 156K€ Cerrado

RTC2019-006912-3 Deep Learning on the Edge para el mantenimiento predictivo y... 292K€ Cerrado

TIN2014-54583-C2-1-R ALGORITMOS DE CLASIFICACION ORDINAL Y PREDICCION EN ENERGIAS... 96K€ Cerrado

TIN2014-54583-C2-2-R NUEVOS ALGORITMOS HIBRIDOS BIO-INSPIRADOS PARA PROBLEMAS DE... 65K€ Cerrado

PID2019-107455RB-C22 PREDICCION PROBABILISTICA Y OPTIMIZACION METAHEURISTICA DEL... 48K€ Cerrado

PVOP Digitalising the PV sector for the era of Terawatts 6M€ Cerrado

Líder del proyecto

UNIVERSIDAD DE SEVILLA No se ha especificado una descripción o un objeto social para esta compañía.

Total investigadores 3670

Presupuesto del proyecto 156K€

Descripción del proyecto CON ESTE PROYECTO SE PRETENDE AVANZAR EN LA DIGITALIZACION DE LAS OPERACIONES DE CONTROL Y MANTENIMIENTO DE LAS ENERGIAS RENOVABLES EN COLABORACION CON EMPRESAS DEL SECTOR ENERGETICO. EL OBJETIVO FINAL ES ALCANZAR UNA TRANSICION ECOLOGICA BASADA EN LA PRODUCCION DE ENERGIA ELECTRICA A PARTIR DE FUENTES RENOVABLES Y LIMPIAS COMO EL VIENTO Y EL SOL. DE ESTA MANERA, EN EL PROYECTO SE PROPONE EL DESARROLLO DE ALGORITMOS DE MACHINE LEARNING Y BIG DATA, COMO AREAS CLAVES Y PILARES DE LA TRANSICION DIGITAL, PARA EL MANTENIMIENTO PREDICTIVO EN PLANTAS DE ENERGIAS RENOVABLES. LOS EQUIPOS PROPONENTES TIENEN UNA AMPLIA EXPERIENCIA EN EL APRENDIZAJE DE DATOS EN STREAMING, ACREDITADA EN UN AMPLIO CONJUNTO DE PUBLICACIONES INDEXADAS Y DE PROYECTOS DE TRANSFERENCIA TANTO EN CONVOCATORIAS COMPETITIVAS COMO EN CONTRATOS DIRECTOS. UNA DE LAS PRINCIPALES DIFICULTADES DEL ANALISIS DE DATOS EN STREAMING ES LA DETECCION DE ANOMALIAS Y, ADEMAS, CONSTITUYE UNO DE LOS PROBLEMAS CON MAYOR NUMERO DE APLICACIONES REALES. EN LA INDUSTRIA 4.0, EN PARTICULAR EN EL AMBITO DE LAS ENERGIAS RENOVABLES, EL CONOCIDO COMO INTERNET DE LAS COSAS (IOT) PROPONE QUE LOS SENSORES SUMINISTREN DATOS PARA SU ANALISIS. ESTE ANALISIS PUEDE LLEVARSE A CABO EN TIEMPO CASI REAL O BIEN EN BATCH DEPENDIENDO DE LAS CARACTERISTICAS DEL PROBLEMA A RESOLVER. LAS ANOMALIAS CONSTITUYEN OCURRENCIAS DE SUCESOS QUE EN GENERAL DEBEN SER ADVERTIDAS O BIEN ANTES DE QUE OCURRAN O BIEN INMEDIATAMENTE DESPUES DE SUCEDIDAS. UN PROBLEMA DE DETECCION DE ANOMALIAS SE PROPONE EN ESTE PROYECTO, EN CONCRETO, EL MANTENIMIENTO PREDICTIVO DE INSTALACIONES DE ENERGIA EOLICA. EN ESTE CASO EL OBJETIVO ES PREDECIR CUANDO VA A OCURRIR UN MAL FUNCIONAMIENTO EN LOS AEROGENERADORES DEL PARQUE EOLICO. PARA ELLO, SE ABORDARA EL PROBLEMA DESDE UN PUNTO DE VISTA BIG DATA Y EN DIFERENTES FASES: PREPROCESADO, SELECCION DE CARACTERISTICAS Y DESARROLLO DE MODELOS DE MACHINE LEARNING. EL PREPROCESADO CONSISTIRA EN LA NORMALIZACION DE LA VARIABILIDAD QUE PRESENTAN LOS AEROGENERADORES DE DIFERENTES FABRICANTES. PARA LA SELECCION DE CARACTERISTICAS SE APLICARAN MODELOS DEEP LEARNING TALES COMO AUTOENCODERS, REDES NEURONALES CONVOLUCIONALES Y REDES NEURONALES RECURRENTES. FINALMENTE, PARA DETECTAR LAS ANOMALIAS SE SEGUIRAN DOS ENFOQUES, UNO BASADO EN MODELOS DEEP LEARNING QUE SE DESARROLLARAN PARA EL ANALISIS DE DIFERENTES SEÑALES TALES COMO LAS VIBRACIONES, EMISIONES ACUSTICAS Y TEMPERATURA, JUNTO A MODELOS DE TRANSFER LEARNING PARA TURBINAS DE DIFERENTES CARACTERISTICAS O LOCALIZACIONES, Y OTRO BASADO EN LA CONSTRUCCION DE UN MODELO TEORICO DE CURVA DE POTENCIA PARA UN PARQUE COMPLETO. ASI, PODEMOS DETECTAR FUTUROS FALLOS A TRAVES DE LAS DESVIACIONES DEL COMPORTAMIENTO DE ESTA CURVA DE POTENCIA. ESTE PROBLEMA CUENTA CON LA APORTACION DE LA EMPRESA ISOTROL QUE RECIBIRA NUESTRA TRANSFERENCIA. LA EMPRESA ISOTROL ES UNA COMPAÑIA TECNOLOGICA DEDICADA A OPTIMIZAR LA EFICIENCIA DE PLANTAS DE ENERGIAS RENOVABLES Y GARANTIZAR ASI SU RENTABILIDAD. ESTA ESPECIALIZADA EN SOLUCIONES PARA MEJORAR LA GESTION, INTEGRACION EN RED Y VENTA DE ENERGIA EN EL MERCADO ELECTRICO. ISOTROL NACIO COMO EMPRESA PIONERA EN SISTEMAS DE MONITORIZACION Y CONTROL HACE MAS DE TREINTA AÑOS; HOY MONITORIZA MAS DE 45 GW DE POTENCIA EN 41 PAISES. ISOTROL YA HA COLABORADO CON NUESTROS GRUPOS CON ANTERIORIDAD EN PROYECTOS DE TRANSFERENCIA, Y PARTICIPA EN EL PROYECTO APORTANDO PROFESIONALES EN EL EQUIPO DE TRABAJO. ANTENIMIENTO PREDICTIVO\ENERGIA EOLICA\BIG DATA\APRENDIZAJE AUTOMATICO\CIENCIA DE DATOS

Conecta tu I+D

Entra hoy

¿Olvidé mi contraseña?

Financiación

Empresas

CTIs/Universidades

Proyectos

Investigadores