2026-09-18T06:00:29Zhttps://riubu.ubu.es/oai/requestoai:riubu.ubu.es:10259/108412025-09-10T08:06:57Zcom_10259_2699col_10259_9310
Sierra Garcia, Jesús Enrique
Santos Peñas, Matilde
Muñoz Palomeque, Eduardo Gabriel
Universidad de Burgos. Departamento de Digitalización
2025-09-03T11:23:06Z
2025-09-03T11:23:06Z
2025
2025-04-22
2028-04-22
https://hdl.handle.net/10259/10841
10.36443/10259/10841
En el contexto del aprovechamiento de energías renovables y producción sostenible, esta
investigación presenta el diseño y aplicación de estrategias de control avanzadas para mejorar el
rendimiento de aerogeneradores, tanto terrestres como marinos flotantes. El objetivo principal
es optimizar la producción de energía eólica y mitigar el impacto de las vibraciones estructurales
en la región subóptima de operación, donde se busca asegurar el seguimiento del punto de
máxima potencia (MPPT). Para ello, se desarrollan sistemas de control basados en técnicas de
inteligencia artificial, particularmente redes neuronales de base radial, complementadas con
algoritmos de aprendizaje no supervisado que permiten la adaptación del sistema a condiciones
variables. Además, se proponen enfoques híbridos que integran estas estrategias con
controladores clásicos como el Proporcional-Integral-Derivativo (PID). La investigación incluye la
optimización de hiperparámetros y la validación de los controladores propuestos, demostrando
mejoras significativas en la eficiencia energética y en la estabilidad estructural del
aerogenerador.
In the context of renewable energy utilization and sustainable production, this research presents
the design and implementation of advanced control strategies to enhance the performance of
both onshore and floating offshore wind turbines. The objective is to optimize wind energy
generation and mitigate structural vibrations in the suboptimal operating region, where the
system is designed to operate along the maximum power point tracking (MPPT) curve at wind
speeds below the rated value. To achieve this, control systems based on artificial intelligence
techniques are developed, particularly radial basis function neural networks, complemented by
unsupervised learning algorithms that allow the system to adapt to changing dynamic
conditions. Furthermore, hybrid approaches are proposed, integrating these soft computingbased strategies with classical control schemes, such as the Proportional-Integral-Derivative
(PID) controller. The research includes hyperparameter optimization and validation of the
proposed control schemes, demonstrating significant improvements in energy efficiency and
structural stability of wind turbines.
Doctorado en Ingeniería y Tecnologías Industrial, Informática y Civil
application/pdf
spa
Attribution-NonCommercial-NoDerivatives 4.0 Internacional
http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/embargoedAccess
Turbina eólica
Control inteligente
Redes neuronales
MPPT
Vibraciones estructurales
Wind turbines
Intelligent control
Neural networks
Structural vibrations
Energía eólica
Wind power
3311.02 Ingeniería de Control
3322.02 Generación de Energía
3304.11 Diseño de Sistemas de Cálculo
1203.04 Inteligencia Artificial
Diseño de estrategias de control híbridas inteligentes para maximizar la extracción de potencia y reducir vibraciones mecánicas en sistemas de generación de energía eólica
Design of hybrid intelligent control strategies to maximize power
extraction and reduce mechanical vibrations in wind power
generation systems
info:eu-repo/semantics/doctoralThesis
info:eu-repo/semantics/acceptedVersion