Resumen:
CONDITION FOR PUBLICATION OF PROJECT. The present project aims to develop a model of the Doubly-Fed Induction Generator (DFIG) used
in wind energy systems, to represent its behavior during electrical faults and propose an early fault
detection system. To this end, a coupled simulation model was established through the integration
of OpenFAST and Simulink, enabling a detailed representation of both the wind turbine
subsystems and the electrical grid, and reproducing the wind system dynamics with high fidelity.
A mathematical model was implemented to simulate inter-turn short-circuit (ITSC) faults in the
stator winding was implemented, generating fault scenarios with different levels of severity. Based
on this model, representative operational data were generated for both healthy and faulty
conditions of the generator. Using these data, an unsupervised artificial intelligence–based fault
detection system was developed, capable of identifying anomalies almost immediately after their
occurrence, achieving average detection times of less than one second.
The results demonstrate that the proposed model accurately captures the transient response of the
DFIG under electrical faults and serves as an effective tool for the early detection of electrical
faults in wind energy systems.
Keywords: Doubly Fed Induction Generator, Interturn short-circuit fault, Unsupervised learning,
Early fault detection.
Descripción:
CONDICIONAMIENTO DE PUBLICACION DE PROYECTO. El presente proyecto tiene como objetivo desarrollar un modelo del generador de inducción
doblemente alimentado (DFIG) empleado en sistemas eólicos, con el fin de representar su
comportamiento durante fallos eléctricos y proponer un sistema de detección temprana para los
mismos. Para ello, se estableció un modelo de simulación acoplada mediante la integración de
OpenFAST y Simulink, lo que permitió la representación detallada de los subsistemas de la turbina
eólica y la red eléctrica, reproduciendo con alta fidelidad la dinámica del sistema eólico.
Se implementó un modelo matemático que simula fallos por cortocircuito entre espiras en los
devanados de una fase del estator, considerando distintos niveles de severidad. A partir de este
modelo, se generaron datos representativos de las condiciones operativas del generador, tanto en
condición saludable como bajo fallos. Con base en dichos datos, se diseñó un sistema de detección
temprana de fallos basado en técnicas de inteligencia artificial no supervisadas, capaz de identificar
anomalías casi inmediatamente después de su ocurrencia, alcanzando tiempos promedio de
detección inferiores a un segundo. Los resultados demuestran que el modelo propuesto permite
analizar con precisión la respuesta transitoria del DFIG ante fallos eléctricos y constituye una
herramienta eficaz para la detección temprana de fallos eléctricos en sistemas eólicos