Análisis de vibraciones para detección de fallas en aerogeneradores de baja potencia

En la actualidad, el uso de aerogeneradores ha ido en incremento en varios países (China, E.U.A, Alemania) como una opción limpia y amigable con el medio ambiente para la generación de energía eléctrica ya que dan suministro eléctrico a sectores de la población que dependen completamente de dichas máquinas, por lo que el monitoreo de la condición y la detección de fallas en los aerogeneradores ha despertado el interés científico. En este trabajo se propone una metodología basada en una técnica tiempo-frecuencia como es la transformada wavelet packet para detectar fallas mecánicas en un aerogenerador de baja potencia. Estas fallas son inducidas con la finalidad de conocer el comportamiento de las señales de vibraciones que tiene el aerogenerador bajo estas condiciones para luego compararlas con la condición en estado sano del mismo. Las fallas mecánicas inducidas son desbalance en un aspa, daño en rodamiento y fisuras en un aspa, estas fallas se eligieron debido a que son fallas que se pueden presentar comúnmente en los aerogeneradores bajo condiciones de trabajo habituales. Después de aplicarse la transformada wavelet packet a las señales de vibraciones se calculó un índice de energía para analizar nodos específicos del árbol de descomposición wavelet con el objetivo de obtener firmas características asociadas a cada falla inducida y así poder detectarlas. Por último, se realizó un análisis estadístico con los valores de energía calculados al obtener funciones de distribución Gaussiana para observar la capacidad de discriminación entre condiciones de falla y la condición sana del aerogenerador. La metodología propuesta entregó buenos resultados ya que es posible identificar y clasificar las fallas mecánicas inducidas en el aerogenerador.

Currently, the use of wind turbines has been increasing in several countries (China, USA, Germany) as a clean and environment-friendly option for the generation of electric power. Since they provide electricity to sectors of the population that depend completely of such machines, so the monitoring of the condition and the detection of faults in wind turbines has attracted the interest of the scientific community. In this work, a methodology based on a time-frequency technique is proposed. This technique is the wavelet packet transform, which is used to detect mechanical faults in a low power wind turbine. These faults were induced in order to know the behavior of the vibration signals that the wind turbine has under these conditions; then, they are compared with the ones obtained from a healthy state of the wind turbine. Induced mechanical failures are unbalance in a blade, bearing damage and cracks in a blade, these failures were chosen because they are failures that can be commonly seen in wind turbines under normal working conditions. After applying the wavelet packet transform to the vibration signals, an energy index was computed to analyze specific nodes of the wavelet decomposition tree in order to obtain characteristic signatures associated with each induced failure and thus detect them. Finally, a statistical analysis was performed with the energy values computed by obtaining Gaussian distribution functions to observe the discrimination capacity between failure conditions and the healthy condition of the wind turbine. The proposed methodology showed good results since it is possible to identify and classify the induced mechanical failures on the wind turbine.