Monitoreo mediante sensor de temperatura en la caja de velocidades de turbinas eólicas para el mantenimiento; utilizando Raspberry pi 4 model b y tecnología de internet de las cosas

Este trabajo presenta una propuesta innovadora para enfrentar los retos de mantenimiento en la energía eólica. Se pretende instaurar un sistema de monitoreo avanzado diseñado para identificar anomalías y sobrecalentamientos en las cajas de cambios de las turbinas eólicas mediante el uso de Raspberry...

Full description

Autores:
VILLADA AGUIRRE, JUAN CAMILO
ESPINOSA MARIN, WILMER FABIAN
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2023
Institución:
Universidad Antonio Nariño
Repositorio:
Repositorio UAN
Idioma:
spa
OAI Identifier:
oai:repositorio.uan.edu.co:123456789/9478
Acceso en línea:
http://repositorio.uan.edu.co/handle/123456789/9478
Palabra clave:
Monitoreo
Turbinas Eólicas
Caja de Cambios
Raspberry Pi
Tecnología IOT
Sensor de Temperatura
Mantenimiento Predictivo
Monitoring
Wind turbine
Gearbox
Raspberry Pi
IoT technology
Temperature sensor
Predictive Maintenance
Rights
openAccess
License
Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
id UAntonioN2_87160c42caaa6775cc2fd9e014082f0c
oai_identifier_str oai:repositorio.uan.edu.co:123456789/9478
network_acronym_str UAntonioN2
network_name_str Repositorio UAN
repository_id_str
dc.title.es_ES.fl_str_mv Monitoreo mediante sensor de temperatura en la caja de velocidades de turbinas eólicas para el mantenimiento; utilizando Raspberry pi 4 model b y tecnología de internet de las cosas
title Monitoreo mediante sensor de temperatura en la caja de velocidades de turbinas eólicas para el mantenimiento; utilizando Raspberry pi 4 model b y tecnología de internet de las cosas
spellingShingle Monitoreo mediante sensor de temperatura en la caja de velocidades de turbinas eólicas para el mantenimiento; utilizando Raspberry pi 4 model b y tecnología de internet de las cosas
Monitoreo
Turbinas Eólicas
Caja de Cambios
Raspberry Pi
Tecnología IOT
Sensor de Temperatura
Mantenimiento Predictivo
Monitoring
Wind turbine
Gearbox
Raspberry Pi
IoT technology
Temperature sensor
Predictive Maintenance
title_short Monitoreo mediante sensor de temperatura en la caja de velocidades de turbinas eólicas para el mantenimiento; utilizando Raspberry pi 4 model b y tecnología de internet de las cosas
title_full Monitoreo mediante sensor de temperatura en la caja de velocidades de turbinas eólicas para el mantenimiento; utilizando Raspberry pi 4 model b y tecnología de internet de las cosas
title_fullStr Monitoreo mediante sensor de temperatura en la caja de velocidades de turbinas eólicas para el mantenimiento; utilizando Raspberry pi 4 model b y tecnología de internet de las cosas
title_full_unstemmed Monitoreo mediante sensor de temperatura en la caja de velocidades de turbinas eólicas para el mantenimiento; utilizando Raspberry pi 4 model b y tecnología de internet de las cosas
title_sort Monitoreo mediante sensor de temperatura en la caja de velocidades de turbinas eólicas para el mantenimiento; utilizando Raspberry pi 4 model b y tecnología de internet de las cosas
dc.creator.fl_str_mv VILLADA AGUIRRE, JUAN CAMILO
ESPINOSA MARIN, WILMER FABIAN
dc.contributor.advisor.spa.fl_str_mv AGUIRRE, JAIRO
dc.contributor.author.spa.fl_str_mv VILLADA AGUIRRE, JUAN CAMILO
ESPINOSA MARIN, WILMER FABIAN
dc.subject.es_ES.fl_str_mv Monitoreo
Turbinas Eólicas
Caja de Cambios
Raspberry Pi
Tecnología IOT
Sensor de Temperatura
Mantenimiento Predictivo
topic Monitoreo
Turbinas Eólicas
Caja de Cambios
Raspberry Pi
Tecnología IOT
Sensor de Temperatura
Mantenimiento Predictivo
Monitoring
Wind turbine
Gearbox
Raspberry Pi
IoT technology
Temperature sensor
Predictive Maintenance
dc.subject.keyword.es_ES.fl_str_mv Monitoring
Wind turbine
Gearbox
Raspberry Pi
IoT technology
Temperature sensor
Predictive Maintenance
description Este trabajo presenta una propuesta innovadora para enfrentar los retos de mantenimiento en la energía eólica. Se pretende instaurar un sistema de monitoreo avanzado diseñado para identificar anomalías y sobrecalentamientos en las cajas de cambios de las turbinas eólicas mediante el uso de Raspberry Pi y tecnología IoT. El objetivo primordial consiste en potenciar la eficiencia y confiabilidad de las turbinas mediante un enfoque proactivo en el mantenimiento. El sistema recopilará datos en tiempo real sobre la temperatura de las cajas de cambios, posibilitando una evaluación constante de su estado operativo. La identificación temprana de fluctuaciones térmicas permitirá la toma de decisiones informadas y la reducción de costos asociados con reparaciones imprevistas, transformando la gestión de activos en la industria eólica
publishDate 2023
dc.date.issued.spa.fl_str_mv 2023-11-24
dc.date.accessioned.none.fl_str_mv 2024-02-28T21:19:14Z
dc.date.available.none.fl_str_mv 2024-02-28T21:19:14Z
dc.type.spa.fl_str_mv Trabajo de grado (Pregrado y/o Especialización)
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.coarversion.none.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://repositorio.uan.edu.co/handle/123456789/9478
dc.identifier.bibliographicCitation.spa.fl_str_mv 1.Huang, M., Liu, Z., & Tao, Y. (2020). Mechanical fault diagnosis and prediction in IoT based on multi-source sensing data fusion. Simulation Modelling Practice and Theory, 102, 101981. 2. Sequeira, C., Pacheco, A., Galego, P., & Gorbeña, E. (2019). Analysis of the efficiency of wind turbine gearboxes using the temperature variable. Renewable Energy, 135, 465-472. 3. Xia, T., Dong, Y., Pan, E., Zheng, M., Wang, H., & Xi, L. (2021). Fleet-level opportunistic maintenance for large-scale wind farms integrating real-time prognostic updating. Renewable Energy, 163. 4. Smith, J. K., & Johnson, A. B. (2018). Renewable Energy: Physics, Engineering, Environmental Impacts, Economics and Planning. Elsevier. 5. Wiser, R., & Bolinger, M. (2015). 2014 Wind Technologies Market Report. Lawrence Berkeley National Laboratory. 6. Hameed, Z., Awan, A. S., & Ali, A. (2019). Gearbox failure analysis in wind turbines: A review. Renewable and Sustainable Energy Reviews, 103, 135-149. 7. Gao, X., & Dai, H. (2017). Condition Monitoring and Fault Diagnosis of Wind Turbine Gearboxes: A Review. Renewable and Sustainable Energy Reviews, 70, 1202- 1213. 8. García-Miquel, H., Roselló, J., & Guzmán, J. L. (2018, October). Wind turbine gearbox fault detection using statistical analysis of vibration signals. In 2018 IEEE Energy Conversion Congress and Exposition(ECCE) (pp. 5374-5381). IEEE. 9. Chen, X., Chen, Z., & Yang, Y. (2017, July). Research on Wind Turbine Gearbox Fault Diagnosis Based on Machine Learning. In 2017 4th International Conference on Electrical and Electronics Engineering (ICEEE) (pp. 99-104). IEEE. 10. Basu, S., Nazario, C., & Fish, G. (2021, August 16). Choosing the right lubricant for today’s wind turbines. WIND POWER ENGINEERING.
dc.identifier.instname.spa.fl_str_mv instname:Universidad Antonio Nariño
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional UAN
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uan.edu.co/
url http://repositorio.uan.edu.co/handle/123456789/9478
identifier_str_mv 1.Huang, M., Liu, Z., & Tao, Y. (2020). Mechanical fault diagnosis and prediction in IoT based on multi-source sensing data fusion. Simulation Modelling Practice and Theory, 102, 101981. 2. Sequeira, C., Pacheco, A., Galego, P., & Gorbeña, E. (2019). Analysis of the efficiency of wind turbine gearboxes using the temperature variable. Renewable Energy, 135, 465-472. 3. Xia, T., Dong, Y., Pan, E., Zheng, M., Wang, H., & Xi, L. (2021). Fleet-level opportunistic maintenance for large-scale wind farms integrating real-time prognostic updating. Renewable Energy, 163. 4. Smith, J. K., & Johnson, A. B. (2018). Renewable Energy: Physics, Engineering, Environmental Impacts, Economics and Planning. Elsevier. 5. Wiser, R., & Bolinger, M. (2015). 2014 Wind Technologies Market Report. Lawrence Berkeley National Laboratory. 6. Hameed, Z., Awan, A. S., & Ali, A. (2019). Gearbox failure analysis in wind turbines: A review. Renewable and Sustainable Energy Reviews, 103, 135-149. 7. Gao, X., & Dai, H. (2017). Condition Monitoring and Fault Diagnosis of Wind Turbine Gearboxes: A Review. Renewable and Sustainable Energy Reviews, 70, 1202- 1213. 8. García-Miquel, H., Roselló, J., & Guzmán, J. L. (2018, October). Wind turbine gearbox fault detection using statistical analysis of vibration signals. In 2018 IEEE Energy Conversion Congress and Exposition(ECCE) (pp. 5374-5381). IEEE. 9. Chen, X., Chen, Z., & Yang, Y. (2017, July). Research on Wind Turbine Gearbox Fault Diagnosis Based on Machine Learning. In 2017 4th International Conference on Electrical and Electronics Engineering (ICEEE) (pp. 99-104). IEEE. 10. Basu, S., Nazario, C., & Fish, G. (2021, August 16). Choosing the right lubricant for today’s wind turbines. WIND POWER ENGINEERING.
instname:Universidad Antonio Nariño
reponame:Repositorio Institucional UAN
repourl:https://repositorio.uan.edu.co/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv Acceso abierto
dc.rights.license.spa.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
dc.rights.uri.spa.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)
Acceso abierto
https://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.coverage.spatial.spa.fl_str_mv Roldanilo- Valle del Cauca- Colombia
dc.publisher.spa.fl_str_mv Universidad Antonio Nariño
dc.publisher.program.spa.fl_str_mv Tecnología en Mantenimiento Electromecánico Industrial (Distancia)
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería Mecánica, Electrónica y Biomédica
dc.publisher.campus.spa.fl_str_mv Roldanillo
institution Universidad Antonio Nariño
bitstream.url.fl_str_mv https://repositorio.uan.edu.co/bitstreams/e3b6625c-a9b6-4962-b6f5-01a9685e344e/download
https://repositorio.uan.edu.co/bitstreams/a5796146-efa6-49cb-b2f4-57081ec4ce41/download
https://repositorio.uan.edu.co/bitstreams/21da59ae-b918-47b2-a533-4520d95b8896/download
https://repositorio.uan.edu.co/bitstreams/d2d0e7cb-7494-427b-aa47-56095908456d/download
https://repositorio.uan.edu.co/bitstreams/7a0a728b-2a76-40ad-920c-84091b3f1c3c/download
https://repositorio.uan.edu.co/bitstreams/2cc602b4-209e-48e6-bc0d-fa11b07fe56c/download
https://repositorio.uan.edu.co/bitstreams/a77f13f8-a940-4edc-bf31-f2fef9a332e0/download
https://repositorio.uan.edu.co/bitstreams/92733b5b-fe8b-4f7d-9ca6-db5065edfe6d/download
https://repositorio.uan.edu.co/bitstreams/4a7eceff-1357-4181-aa86-82c39f4f0048/download
https://repositorio.uan.edu.co/bitstreams/896e9d64-cd45-4177-8b0f-997981cbdc50/download
bitstream.checksum.fl_str_mv 7c94d2a1e7f27e87f7d4f077614c4181
93a061ee960769094b7b735f1f77d1b9
8f99b146b58ceafebda8fc6ed6da0916
9868ccc48a14c8d591352b6eaf7f6239
e1c06d85ae7b8b032bef47e42e4c08f9
d99a5cd31700cd4f91f39cfebc8c57c7
c473044e379533464cb0f7d0e49f1b34
602e30c564238ad2c883fb7dd77292ad
ad0431fd3da298862a0148c20a2156e7
efdcaa6394a8681cfc44f11cf010ff6c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional UAN
repository.mail.fl_str_mv alertas.repositorio@uan.edu.co
_version_ 1812928371410075648
spelling Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0)Acceso abiertohttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2AGUIRRE, JAIROVILLADA AGUIRRE, JUAN CAMILOESPINOSA MARIN, WILMER FABIAN2355202147023552119444Roldanilo- Valle del Cauca- Colombia2024-02-28T21:19:14Z2024-02-28T21:19:14Z2023-11-24http://repositorio.uan.edu.co/handle/123456789/94781.Huang, M., Liu, Z., & Tao, Y. (2020). Mechanical fault diagnosis and prediction in IoT based on multi-source sensing data fusion. Simulation Modelling Practice and Theory, 102, 101981. 2. Sequeira, C., Pacheco, A., Galego, P., & Gorbeña, E. (2019). Analysis of the efficiency of wind turbine gearboxes using the temperature variable. Renewable Energy, 135, 465-472. 3. Xia, T., Dong, Y., Pan, E., Zheng, M., Wang, H., & Xi, L. (2021). Fleet-level opportunistic maintenance for large-scale wind farms integrating real-time prognostic updating. Renewable Energy, 163. 4. Smith, J. K., & Johnson, A. B. (2018). Renewable Energy: Physics, Engineering, Environmental Impacts, Economics and Planning. Elsevier. 5. Wiser, R., & Bolinger, M. (2015). 2014 Wind Technologies Market Report. Lawrence Berkeley National Laboratory. 6. Hameed, Z., Awan, A. S., & Ali, A. (2019). Gearbox failure analysis in wind turbines: A review. Renewable and Sustainable Energy Reviews, 103, 135-149. 7. Gao, X., & Dai, H. (2017). Condition Monitoring and Fault Diagnosis of Wind Turbine Gearboxes: A Review. Renewable and Sustainable Energy Reviews, 70, 1202- 1213. 8. García-Miquel, H., Roselló, J., & Guzmán, J. L. (2018, October). Wind turbine gearbox fault detection using statistical analysis of vibration signals. In 2018 IEEE Energy Conversion Congress and Exposition(ECCE) (pp. 5374-5381). IEEE. 9. Chen, X., Chen, Z., & Yang, Y. (2017, July). Research on Wind Turbine Gearbox Fault Diagnosis Based on Machine Learning. In 2017 4th International Conference on Electrical and Electronics Engineering (ICEEE) (pp. 99-104). IEEE. 10. Basu, S., Nazario, C., & Fish, G. (2021, August 16). Choosing the right lubricant for today’s wind turbines. WIND POWER ENGINEERING.instname:Universidad Antonio Nariñoreponame:Repositorio Institucional UANrepourl:https://repositorio.uan.edu.co/Este trabajo presenta una propuesta innovadora para enfrentar los retos de mantenimiento en la energía eólica. Se pretende instaurar un sistema de monitoreo avanzado diseñado para identificar anomalías y sobrecalentamientos en las cajas de cambios de las turbinas eólicas mediante el uso de Raspberry Pi y tecnología IoT. El objetivo primordial consiste en potenciar la eficiencia y confiabilidad de las turbinas mediante un enfoque proactivo en el mantenimiento. El sistema recopilará datos en tiempo real sobre la temperatura de las cajas de cambios, posibilitando una evaluación constante de su estado operativo. La identificación temprana de fluctuaciones térmicas permitirá la toma de decisiones informadas y la reducción de costos asociados con reparaciones imprevistas, transformando la gestión de activos en la industria eólicaTecnólogo(a) en Mantenimiento Electromecánico IndustrialTecnológicaDistanciaInvestigaciónspaUniversidad Antonio NariñoTecnología en Mantenimiento Electromecánico Industrial (Distancia)Facultad de Ingeniería Mecánica, Electrónica y BiomédicaRoldanilloMonitoreoTurbinas EólicasCaja de CambiosRaspberry PiTecnología IOTSensor de TemperaturaMantenimiento PredictivoMonitoringWind turbineGearboxRaspberry PiIoT technologyTemperature sensorPredictive MaintenanceMonitoreo mediante sensor de temperatura en la caja de velocidades de turbinas eólicas para el mantenimiento; utilizando Raspberry pi 4 model b y tecnología de internet de las cosasTrabajo de grado (Pregrado y/o Especialización)http://purl.org/coar/resource_type/c_7a1fhttp://purl.org/coar/version/c_970fb48d4fbd8a85ORIGINALJUAN CAMILO VILLADA AGUIRRE ACTA.pdfJUAN CAMILO VILLADA AGUIRRE ACTA.pdfActa de sustentaciónapplication/pdf229065https://repositorio.uan.edu.co/bitstreams/e3b6625c-a9b6-4962-b6f5-01a9685e344e/download7c94d2a1e7f27e87f7d4f077614c4181MD51JUAN CAMILO VILLADA AGUIRRE AUTORIZACIÓN.pdfJUAN CAMILO VILLADA AGUIRRE AUTORIZACIÓN.pdfAutorización de autoresapplication/pdf1552016https://repositorio.uan.edu.co/bitstreams/a5796146-efa6-49cb-b2f4-57081ec4ce41/download93a061ee960769094b7b735f1f77d1b9MD52JUAN CAMILO VILLADA AGUIRRE TIG.pdfJUAN CAMILO VILLADA AGUIRRE TIG.pdfTrabajo integral de gradoapplication/pdf981573https://repositorio.uan.edu.co/bitstreams/21da59ae-b918-47b2-a533-4520d95b8896/download8f99b146b58ceafebda8fc6ed6da0916MD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.uan.edu.co/bitstreams/d2d0e7cb-7494-427b-aa47-56095908456d/download9868ccc48a14c8d591352b6eaf7f6239MD54TEXTJUAN CAMILO VILLADA AGUIRRE ACTA.pdf.txtJUAN CAMILO VILLADA AGUIRRE ACTA.pdf.txtExtracted texttext/plain2https://repositorio.uan.edu.co/bitstreams/7a0a728b-2a76-40ad-920c-84091b3f1c3c/downloade1c06d85ae7b8b032bef47e42e4c08f9MD55JUAN CAMILO VILLADA AGUIRRE AUTORIZACIÓN.pdf.txtJUAN CAMILO VILLADA AGUIRRE AUTORIZACIÓN.pdf.txtExtracted texttext/plain126https://repositorio.uan.edu.co/bitstreams/2cc602b4-209e-48e6-bc0d-fa11b07fe56c/downloadd99a5cd31700cd4f91f39cfebc8c57c7MD57JUAN CAMILO VILLADA AGUIRRE TIG.pdf.txtJUAN CAMILO VILLADA AGUIRRE TIG.pdf.txtExtracted texttext/plain52575https://repositorio.uan.edu.co/bitstreams/a77f13f8-a940-4edc-bf31-f2fef9a332e0/downloadc473044e379533464cb0f7d0e49f1b34MD59THUMBNAILJUAN CAMILO VILLADA AGUIRRE ACTA.pdf.jpgJUAN CAMILO VILLADA AGUIRRE ACTA.pdf.jpgGenerated Thumbnailimage/jpeg15099https://repositorio.uan.edu.co/bitstreams/92733b5b-fe8b-4f7d-9ca6-db5065edfe6d/download602e30c564238ad2c883fb7dd77292adMD56JUAN CAMILO VILLADA AGUIRRE AUTORIZACIÓN.pdf.jpgJUAN CAMILO VILLADA AGUIRRE AUTORIZACIÓN.pdf.jpgGenerated Thumbnailimage/jpeg23891https://repositorio.uan.edu.co/bitstreams/4a7eceff-1357-4181-aa86-82c39f4f0048/downloadad0431fd3da298862a0148c20a2156e7MD58JUAN CAMILO VILLADA AGUIRRE TIG.pdf.jpgJUAN CAMILO VILLADA AGUIRRE TIG.pdf.jpgGenerated Thumbnailimage/jpeg13579https://repositorio.uan.edu.co/bitstreams/896e9d64-cd45-4177-8b0f-997981cbdc50/downloadefdcaa6394a8681cfc44f11cf010ff6cMD510123456789/9478oai:repositorio.uan.edu.co:123456789/94782024-10-09 23:22:02.458https://creativecommons.org/licenses/by-nc-nd/4.0/Acceso abiertorestrictedhttps://repositorio.uan.edu.coRepositorio Institucional UANalertas.repositorio@uan.edu.co

Publicaciones similares