- INSTRUMENTO Fondo María Viñas
- BENEFICIARIO Henry Figueredo Losada : Facultad de Ingeniería
- DEPARTAMENTO Montevideo
- SUBSIDIO UYU 1297033
- FECHA DE INICIO 01.05.2025
- DURACIÓN 24 meses
- AÑO CONVOCATORIA 2024
- CÓDIGO FMV_3_2024_1_181039
- FASE SEGUIMIENTO
- ESTADO Seguimiento
Uruguay continúa experimentando una transformación significativa en la generación energética a partir de fuentes renovables que contribuyen con el medio ambiente, contando actualmente con una potencia eólica instalada de 1.5 GW. La operación y el mantenimiento de los parques eólicos plantean desafíos significativos en términos de rentabilidad y fiabilidad en la generación de energía eólica. Los costos de la electricidad producida y la disminución del suministro son consecuencias directas del tiempo de inactividad y la gravedad de los fallos en los componentes de un aerogenerador. En particular, los componentes mecánicos de los aerogeneradores se encuentran sometidos a fatigas por la presencia de esfuerzos cíclicos y variables, esta fatiga se manifiesta principalmente en los componentes rotativos del tren de potencia, siendo la mayoría de las fallas iniciadas en los rodamientos de las cajas multiplicadoras. Las normativas de referencia presentan tanto limitaciones en relación al estudio cualitativo de los diferentes modos de falla, como falta de métodos cuantitativos para evaluar y estimar la vida residual de los componentes. El proyecto propone un método innovador para el diagnóstico de la vida útil restante (RUL) de rodamientos en las cajas multiplicadores de aerogeneradores, donde la escasez de muestras de fallas y su dificultad para ser recopiladas en diversas condiciones de operaciones plantean un desafío para los métodos tradicionales de diagnóstico. Con el uso de inteligencia artificial generativa (GANs) se propone superar las dificultades anteriores con la implementación de métodos basados en el aprendizaje automático y reconocimiento de patrones de operaciones relacionados con las posibles fallas. El enfoque sistemático sobre cómo la combinación de la modelación de componentes mecánicos bajo cargas cíclicas y el mantenimiento predictivo con la inspección y monitoreo de componentes de aerogeneradores en operación puede ayudar a enfrentar las fallas, optimizando el rendimiento y prologando la vida útil restantes de los componentes.