Machine learning applied to predictive maintenance of wind turbines

Los costes de mantenimiento constituyen uno de los mayores obstáculos en la producción de energía eólica. Es por ello que esta tecnología juega un papel importante en el sector energético, especialmente en vista del crecimiento que se espera del mismo en los próximos años. Sin embargo, también supone un reto, debido a que los sistemas utilizados suelen ser diversos, poco flexibles, y difíciles de escalar.
Este proyecto pretende investigar métodos de aplicación de mantenimiento predictivo mediante el uso de Machine Learning. En concreto, los objetivos de este proyecto son los siguientes:
- Familiarizarse con las principales librerías de Python que se utilizarán, para poder beneficiarse de ellas posteriormente. En concreto, dichas bibliotecas son Greenguard y GPE, las cuales pretenden dar una solución más flexible a este problema.
- Comprender la estructura del conjunto de datos procedentes del parque eólico marino que se va a analizar, previo a su estudio. Esto incluye un breve estudio del análisis de las vibraciones, del cual proceden los datos de estudio, así como de los componentes y frecuencias de fallo de los rodamientos, los cuales constituyen el principal elemento de estudio de este proyecto.
- Desarrollar casos de estudio con el uso de los datos de un parque eólico marino, y analizar sus resultados, con el fin de comprobar la capacidad de dichas librerías para detectar fallos, así como la forma en que los parámetros que se introducen en el modelo afectan al resultado.

Maintenance costs are one of the biggest obstacles to wind energy production. This is why this technology plays an important role in the energy sector, especially in view of the expected growth in the coming years. However, it is also a challenge because the systems used are often diverse, not very flexible, and difficult to scale.
This project aims to investigate predictive maintenance application methods using Machine Learning. Specifically, the objectives of this project are the following:
- To become familiar with the main Python libraries that will be used, in order to benefit from them later on. Specifically, these libraries are Greenguard and GPE, which aim to provide a more flexible solution to this problem.
- Understanding the structure of the data set which comes from the offshore wind farm that is to be analyzed, prior to its study. This includes a brief study of the vibration analysis, from which the study data is derived, as well as the components and bearing failure frequencies, which are the main element of study in this project.
- Develop case studies using data from an offshore wind farm, and analyze their results, in order to check the ability of these libraries to detect failures, as well as how the parameters introduced in the model affect the result.