Aplicación del análisis de componentes principales al comportamiento mecánico de turbinas de 100 MW

Ingeniería Mecánica Universidad Tecnológica de La Habana José Antonio Echeverría 2023;26(3):e681. ISSN 1815-5944 Artículo de investigación científica y tecnológica Aplicación del análisis de componentes principales al comportamiento mecánico de turbinas de 100 MW Application the principal component analysis to the mechanical behavior of turbines 100 MW Francisco De la Torre-SilvaI, *, Alejandra Elena García-TollI, Carlos Andrés Deus-AguileraII, Alexander Alfonso-ÁlvarezII, Jorge Varela CancinoIII I. Universidad Tecnológica de la Habana José Antonio Echeverría, Centro de Estudios en Ingeniería de Mantenimiento, CEIM. La Habana, Cuba. II. Universidad de La Serena. La Serena, Chile. III. Minería Outlan, Estado de Molango. México *Autor de correspondencia: Este documento posee una licencia Creative Commons Reconocimiento-No Comercial 4.0 internacional Recibido: 24 de mayo de 2023 Aceptado: 18 de julio de 2023 _________________________________________________________________________________________ Resumen Este trabajo tuvo como objetivo el diseño de un modelo estadístico basado en la técnica de Análisis de Componentes Principales (ACP) (Principal Component Analysis - PCA) como método para la reducción de dimensionalidad y como vía para identificar los parámetros que mayor influencia tienen en la variabilidad del comportamiento mecánico dinámico funcional de las turbinas a vapor de 100 MW de potencia de generación eléctrica. Se presentan los parámetros síntomas medibles que caracterizan el comportamiento mecánico dinámico funcional de la turbina y un modelo grupal por subconjunto mecánico para el análisis integrado de parámetros síntomas de la turbina, en el cuál será aplicado el modelo ACP. Se emplearon métodos como la modelación matemática y estadística a partir de un modelo estadístico basado en la técnica de análisis de componentes principales. Se obtuvo como resultado la reducción dimensional del problema original a partir de la obtención de las componentes principales y la determinación de los parámetros síntomas con mayor influencia en la variabilidad del proceso. Palabras clave: análisis de componentes principales; reducción de dimensionalidad; turbinas a vapor; condición de la turbina; parámetro síntoma. _________________________________________________________________________________________ Abstract This work aimed at the design of a statistical model based in the technique of principal component analysis (PCA) like method for the reduction of dimensionality and like road to identify the parameter that they have bigger influence in electric generation's variability of the mechanical dynamic functional behavior of 100 MW's steam turbines of potency. Measurable symptoms present the parameters themselves that the mechanical expeditious functional behavior of the turbine and a group model for mechanical subset for the analysis integrated of parameters characterize symptoms of the turbine, in the which one will be applied the model ACP. Methods were used as the mathematical and statistical modelation as from a statistical model based in the technique of principal component analysis. Obtained him as a result the dimensional reduction of the original problem as from the obtaining of the component main and the determination of the parameter symptoms with bigger influence in the variability of the process. Key words: principal component analysis; reduction of dimensionality; steam turbines. condition of the turbine; parameter symptom. Cómo citar este artículo, norma Vancouver: De la Torre Silva F, García Toll AE, Deus Aguilera CA, Alfonso Álvarez A. Aplicación del análisis de componentes principales al comportamiento mecánico de turbinas de 100 MW. Ingeniería Mecánica. 2023;26(3):e681. 1. Introducción El proceso mecánico dinámico funcional que se manifiesta en las turbinas a vapor de 100 MW de potencia de generación eléctrica, presentan un carácter aleatorio, lo que los convierte en un fenómeno complejo de estudiar y cuantificar. Para identificar y comprender cuáles parámetros síntomas tienen mayor influencia en la variabilidad Sitio: http://www.ingenieriamecanica.cujae.edu.cu Correo electrónico: 1 Francisco De la Torre Silva, et al. Aplicación del análisis de componentes principales al comportamiento mecánico de turbinas 100 MW del comportamiento mecánico dinámico funcional de las turbinas a vapor, es necesario el análisis integrado de parámetros síntomas de la turbina, a partir de métodos como la modelación matemática y estadística. Una de las técnicas recomendadas es un modelo estadístico basado en la técnica de análisis de componentes principales la cual permitirá la determinación de los parámetros síntomas con mayor influencia en la variabilidad del proceso mecánico dinámico funcional las turbinas a vapor de 100 MW. El empleo de la modelación estadística a partir de diferentes técnicas se ha evidenciado en diversos estudios de investigación que se relacionan a continuación: El análisis de componentes principales (PCA, Principal Component Analysis) es aplicado en este trabajo LI, Wei; et al [1] para detectar la condición del sensor monitor, en una central nuclear (NPP, Nuclear Power Plant). Para estimar la detectabilidad de fallo del modelo PCA propuesto, se calculan en el modelo las zonas de poca detección de sensores. Entonces la habilidad de diagnóstico del modelo PCA es más específica y los resultados de diagnóstico son más creíbles y fidedignos. Y. Cardenas Escorcia, et al [2], describen la combinación de técnicas estadísticas y modelos matemáticos para desarrollar un sistema de detección de fallas en un motor de gas natural de 2 MW bajo condiciones reales de operación. El objetivo principal de este trabajo es integrar dos enfoques para relacionar los fallos con los cambios de los valores medios termodinámicos del sistema, ayudando a mantener el motor en condiciones óptimas de funcionamiento en términos de confiabilidad. El Análisis de Componentes Principales (PCA), una técnica estadística multivariante de detección de fallas, se utilizó para analizar los datos históricos del motor a gas para detectar condiciones anormales de operación, por medio de indicadores estadísticos tales como el Error de Predicción Cuadrado (SPE, Square Prediction Error) y T2 de Hotelling. Este trabajo [3] propone un esquema de detección y localización de fallas en los actuadores de un vehículo aéreo no tripulado (VANT) del tipo cuatrirrotor. Para ello, se considera un enfoque basado en datos haciendo uso de técnicas de aprendizaje de máquina. Primero, a través de una plataforma de vuelo de tipo giroscópica, se captan las vibraciones correspondientes a la orientación, posición angular y aceleración lineal cuando el vehículo se encuentra en vuelo estacionario en condiciones nominales. Estos datos se procesan mediante Análisis en Componentes Principales (PCA) para la extracción de características. Posteriormente, se induce una falla a los actuadores a través de un recor (...truncated)