Examinando por Materia "Wind turbines"

Mostrando 1 - 3 de 3
  • Miniatura
    PublicaciónAcceso abierto
    Comparación de mallas para el análisis de convergencia en el modelo de elementos finitos de un aerogenerador
    (Universidad EIA, 2024) Fernando Gómez Ferrer; Pineda Montoya, Juan David; Oviedo Amézquita, Juan Andrés
    RESUMEN: existe un vacío en el conocimiento sobre los análisis de convergencia de malla para elementos finitos en modelos de aerogeneradores, lo que impide que los modelos trabajen de manera eficiente, resultando en tiempos de procesamiento prolongados o resultados imprecisos, lo que representa una pérdida de tiempo y recursos económicos y puede obstaculizar proyectos esenciales para la transición energética. Este trabajo de grado investiga la convergencia de la malla en el modelo de elementos finitos de un aerogenerador en Llanogrande, Colombia. El objetivo principal es seleccionar el tamaño de malla que proporcione resultados precisos y exactos en términos de esfuerzos y desplazamientos, con una precisión mínima del 0.1\% y una discontinuidad máxima del 5\%, lo que quiere decir que los valores entre una malla y la siguiente evaluada muestren una convergencia a un valor 'real' con una variación del 0.1\% y que el resultado medido entre elementos contiguos dentro de un mismo modelo no deben diferir en más del 5\%; Para conseguir el objetivo, se empleó el método de elementos finitos (MEF), que permite analizar estructuras complejas discretizándolas en elementos más simples. Se realizaron pruebas con diferentes tamaños de malla y se evaluaron los resultados bajo diversas fuerzas de prueba. La malla óptima se determinó mediante un análisis comparativo, concluyendo que la malla con un tamaño de elemento de 15.8 mm proporcionó una precisión superior al 0.1\%, con un tiempo de procesamiento de poco más de dos minutos. La convergencia de los resultados de las diferentes iteraciones mostraron que los parámetros y criterios de convergencia utilizados son efectivos para encontrar una malla con un tiempo de procesamiento adecuado. En busca de esta convergencia analizó y estudio el comportamiento de diferentes puntos de la estructura, para hacer las comparaciones correspondientes, entre estos puntos se analizaron los ubicados en los extremos tanto superior como inferior y el punto donde se encontraban los esfuerzos y deformaciones máximas. De estos análisis se pudo identificar que los tres puntos mencionados no son ideales para evaluar la convergencia, ya que en los extremos la concentración de esfuerzos provoca divergencias, y los valores máximos pueden cambiar de posición. Estos hallazgos son relevantes para mejorar el diseño de mallas en modelos de elementos finitos, permitiendo obtener una malla óptima según el uso previsto del modelo.
  • Miniatura
    PublicaciónAcceso abierto
    Comparación del desempeño de generadores eólicos darrieus de pequeña escala operando a bajas velocidades de viento
    (Universidad EIA, 2021) Ramírez Arboleda, Julián; Sánchez Posada, Mario Alejandro; Sánchez Posada, Mario Alejandro
    RESUMEN: El presente documento corresponde al trabajo de grado “Comparación del desempeño de generadores eólicos Darrieus de pequeña escala operando a bajas velocidades de viento”, donde se busca comparar 3 modelos de aerogeneradores tipo Darrieus de pequeña escala para la generación de energía en zonas con baja velocidad de viento. Se realizarán simulaciones en el software Q-Blade para evaluar el efecto sobre el desempeño de parámetros como el tipo de perfil aerodinámico, el número de aspas, la solidez y el aspect ratio y posteriormente se simularán las geometrías más promisorias en un software de dinámica de fluidos computacional para corroborar los resultados del mismo. Las simulaciones tanto en el software Q-Blade como en el software CFD se simularán a una velocidad de viento de 6 m/s con el fin de identificar perfiles aerodinámicos y la combinación de parámetros geométricos que permitan obtener buen desempeño en estas condiciones de baja velocidad de viento.
  • Miniatura
    PublicaciónAcceso abierto
    Implementación de una metodología de diagnóstico de deterioros en aerogeneradores utilizando Machine Learning
    (Universidad EIA, 2025) Velasquez Betancurt, Alexey David; Blandón Uribe, Carlos Andrés; Sierra Pérez, Julián
    RESUMEN: Este trabajo de investigación presenta el desarrollo e implementación de una metodología para el diagnóstico de deterioros estructurales en aerogeneradores, mediante el uso de algoritmos de aprendizaje automático aplicados a datos de acelerometría adquiridos por un sistema de monitoreo estructural de diseño y fabricación nacional. La investigación se llevó a cabo durante un periodo de 1.5 años sobre un aerogenerador prototipo de 14 metros de altura, instrumentado con sensores distribuidos a lo largo de su mástil e instalado en la región del Oriente antioqueño. El enfoque metodológico se fundamenta en la teoría de los cambios en las frecuencias naturales causados por pérdidas de rigidez estructural. A partir de esta base, se ejecutó un plan experimental que incluyó la simulación de deterioros inducidos mediante la manipulación de cables tensores, la creación de una base de datos de deterioro, el análisis de vibraciones en condiciones operacionales, y la posterior aplicación de técnicas de aprendizaje automático para detectar y localizar dichos deterioros. El procesamiento de las señales permitió identificar modos de vibración sensibles al daño, destacando el primer modo de vibración, que presentó alrededor de 0.68 Hz en condición operacional sana a 0.39 Hz en condición de daño máximo. Como parte de la metodología, se evaluaron cinco algoritmos de aprendizaje automático, seleccionando Light Gradient Boosting Machine (LightGBM) como el modelo con mejor desempeño, alcanzando una exactitud del 99.1% en la detección general de deterioros y 98.6% en la predicción de su localización. Además, se desarrolló una interfaz de usuario integrada directamente al sistema de adquisición, permitiendo la visualización y monitorización contino del estado estructural del aerogenerador. Inicialmente, se adquirieron 28,336 datos para conformar una base de datos, los cuales fueron utilizados para valorar las características sensibles al deterioro en los registros de acelerometría, seguidamente se pudo entrenar y seleccionar el algoritmo de Machine Learning (ML) óptimo para detectar automáticamente la presencia y ubicación de deterioros en aerogeneradores. Con esta información, se propone un sistema nacional de monitoreo estructural continuo, económico y eficaz, diseñado para optimizar los costos de mantenimiento y reducir el riesgo de fallos estructurales.