Publication:
Floating Wind Turbine Dynamics Identification

dc.contributor.advisorSantos Peñas, Matilde
dc.contributor.advisorSerrano Barreto, Carlos Luis
dc.contributor.authorTecedor Roa, Juan
dc.date.accessioned2023-06-16T13:23:44Z
dc.date.available2023-06-16T13:23:44Z
dc.date.issued2022
dc.degree.titleGrado en Ingeniería de Software
dc.descriptionTrabajo de Fin de Grado en Ingeniería del Software, Facultad de Informática UCM, Departamento de Arquitectura de Computadores y Automática, Curso 2021/2022.
dc.description.abstractClimate change is one of the biggest and most worrying problems in the current world. Renewable energy sources are one of the main tools that will allow the humanity to fight against it. More precisely, floating wind turbines offer unprecedented amounts of generated power compared to their onshore or offshore (bottom-fixed) counterparts. The technology is however, at an early stage of development, with a lot of improvements to be made and countless fields of study. This project aims to study the behavior of the scale model of a floating wind turbine by elaborating several statistical models that can predict some of its most important statistical metrics. These statistical models are dependent on the wind speed and the blade pitch angle of the wind turbine. Additionally, a periodicity analysis of the wind turbine is also made in order to determine if there are frequencies associated with it at different wind speeds and pitch angles. In this work, a data preprocessing phase is carried out with the aid of statistics and graphical representations. Then, two studies are made: a periodicity analysis by several Fourier Transforms, and multiple regression supervised models. The supervised models used were: Linear Regression, Polynomial Regression, Ridge Regressor, Huber Regressor, Gaussian Regressor and a Neural Network (MLP Regressor). Most of the supervised models were very successful and could be used to create a virtual model of a wind turbine. The periodicity analysis was also successful and was consistent with the physical analysis of the wind turbine.
dc.description.abstractEl cambio climático es uno de los problemas más importantes y preocupantes actualmente en el mundo. Las energías renovables son una de las herramientas que tenemos disponibles para poder luchar contra ´el. En concreto, las turbinas eólicas flotantes pueden ofrecer una proporción de energía eléctrica generada sin precedentes, especialmente si las comparamos con las turbinas emplazadas en tierra o en el mar a baja profundidad cerca de la costa. Sin embargo, la tecnología de las turbinas eólicas flotantes está en sus comienzos, con incontables mejoras por implementar y diversos campos de estudio. Este proyecto estudia el comportamiento de un modelo a escala de una turbina flotante, mediante la elaboración de varios modelos estadísticos que puedan predecir las métricas estadísticas más relevantes de la turbina. Estos modelos estadísticos dependen de la velocidad del viento y del ángulo de ataque de las palas de la turbina. Adicionalmente, se ha realizado también un análisis de la periodicidad de la turbina de viento para determinar qué frecuencias están asociadas con ella y a qué velocidades de viento y a qué ángulos de ataque. En este trabajo se realiza una primera fase de preprocesado de datos, con ayuda de herramientas estadísticas y representaciones graficas. Posteriormente, se realizan dos estudios: un análisis de la periodicidad mediante varias Transformadas Rápidas de Fourier, y múltiples modelos supervisados de regresión. Los modelos supervisados fueron los siguientes: Regresión lineal, Regresión Polinómica, Regresión de Ridge, Regresión de Huber, Regresión Gaussiana y una red neuronal (regresor MLP). La mayoría de los modelos supervisados obtuvieron resultados muy satisfactorios y podrían ser usados para crear un modelo virtual de la turbina de viento. El análisis de periodicidad fue también exitoso y consistente con el análisis físico de la turbina de viento.
dc.description.departmentDepto. de Arquitectura de Computadores y Automática
dc.description.facultyFac. de Informática
dc.description.refereedTRUE
dc.description.statusunpub
dc.eprint.idhttps://eprints.ucm.es/id/eprint/74356
dc.identifier.urihttps://hdl.handle.net/20.500.14352/3215
dc.language.isoeng
dc.page.total87
dc.rightsAtribución-NoComercial 3.0 España
dc.rights.accessRightsopen access
dc.rights.urihttps://creativecommons.org/licenses/by-nc/3.0/es/
dc.subject.cdu004(043.3)
dc.subject.keywordWind turbine
dc.subject.keywordFloating
dc.subject.keywordDynamics
dc.subject.keywordIdentification
dc.subject.keywordRegression
dc.subject.keywordNeural networks
dc.subject.keywordStatistical analysis
dc.subject.keywordData preprocessing
dc.subject.keywordData representation
dc.subject.keywordFast Fourier Transforms.
dc.subject.keywordTurbina eólica
dc.subject.keywordFlotante
dc.subject.keywordDinámica
dc.subject.keywordIdentificación
dc.subject.keywordRegresión
dc.subject.keywordRedes neuronales
dc.subject.keywordAnálisis estadístico
dc.subject.keywordPreprocesamiento de datos
dc.subject.keywordRepresentación de datos
dc.subject.keywordFFT.
dc.subject.ucmInformática (Informática)
dc.subject.unesco1203.17 Informática
dc.titleFloating Wind Turbine Dynamics Identification
dc.title.alternativeIdentificación de la dinámica de una turbina eólica flotante
dc.typebachelor thesis
dspace.entity.typePublication
relation.isAdvisorOfPublication99cac82a-8d31-45a5-bb8d-8248a4d6fe7f
relation.isAdvisorOfPublication7b2b8e33-e1f3-433c-9f58-6816c0155a90
relation.isAdvisorOfPublication.latestForDiscovery99cac82a-8d31-45a5-bb8d-8248a4d6fe7f
Files
Original bundle
Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
TECEDOR ROA 84996_JUAN_TECEDOR_ROA_Floating_Wind_Turbine_Dynamics_Identification_1398832_1819175179.pdf
Size:
12.78 MB
Format:
Adobe Portable Document Format