La Facultad de Ingeniería en Mecánica y Ciencias de la Producción (FIMCP) de la Escuela Superior Politécnica del Litoral (ESPOL) destaca una nueva contribución científica orientada al desarrollo de tecnologías para el aprovechamiento eficiente de la energía eólica.
El artículo “Reinforcement learning-based pitch control for wind turbines using double deep Q-networks” fue publicado en la revista científica ISA Transactions y cuenta con la participación de Christian Tutivén, Ph.D.; Jeremy Espinoza, M.Sc.; Carolina Ormaza, Eng.; y Yolanda Vidal, Ph.D.
La investigación propone una estrategia de control para turbinas eólicas basada en inteligencia artificial, específicamente mediante el algoritmo Double Deep Q-Network (DDQN), una metodología de aprendizaje por refuerzo que permite desarrollar estrategias de control a partir de la interacción con el comportamiento de un sistema.
El estudio se enfoca en el control del ángulo de paso (pitch control) de las palas de una turbina eólica. Esta variable es fundamental para regular la respuesta de la turbina frente a diferentes condiciones de viento y, por tanto, influye directamente en la cantidad de energía que puede ser capturada.
Uno de los principales objetivos de la propuesta es optimizar la captura de energía y reducir las oscilaciones que pueden presentarse durante el funcionamiento de la turbina. Estas fluctuaciones pueden afectar tanto el desempeño del sistema como las condiciones de operación de sus diferentes componentes.
La incorporación de inteligencia artificial permite abordar este problema desde una perspectiva diferente a los métodos convencionales de control. Mediante el aprendizaje por refuerzo, el sistema puede identificar estrategias de actuación que respondan a las condiciones de operación de la turbina y contribuyan a mejorar su comportamiento.
En particular, el uso de Double Deep Q-Networks busca aprovechar las capacidades del aprendizaje profundo para desarrollar decisiones de control más eficientes. La metodología combina aprendizaje por refuerzo y redes neuronales profundas, permitiendo abordar sistemas dinámicos en los que las condiciones pueden cambiar durante la operación.
El control adecuado del ángulo de las palas representa un componente importante para maximizar el aprovechamiento del recurso eólico. Una estrategia de control eficiente puede ayudar a mantener la turbina en condiciones favorables para la generación de energía y, al mismo tiempo, reducir variaciones que puedan afectar su funcionamiento.
La investigación adquiere especial relevancia en el contexto de la transición hacia sistemas energéticos más sostenibles, donde la energía eólica constituye una de las tecnologías utilizadas para diversificar la matriz energética y aprovechar fuentes renovables.
Además del aporte relacionado con la generación de energía, este tipo de investigaciones contribuye al desarrollo de sistemas de control más inteligentes. La integración entre inteligencia artificial, automatización y energías renovables abre nuevas posibilidades para optimizar instalaciones energéticas y responder de manera más eficiente a condiciones variables de operación.
El trabajo también evidencia el carácter interdisciplinario de la investigación desarrollada desde la FIMCP, al integrar conocimientos de ingeniería, control automático, inteligencia artificial y sistemas de energía renovable.
La publicación de este estudio representa un aporte al conocimiento científico en torno al control inteligente de turbinas eólicas y fortalece la participación de investigadores de la Facultad en el desarrollo de tecnologías vinculadas con la transformación del sector energético.
Para la FIMCP, investigaciones como esta reflejan la importancia de utilizar herramientas de inteligencia artificial para resolver desafíos concretos de la industria. La aplicación de algoritmos de aprendizaje por refuerzo a sistemas energéticos permite explorar nuevas alternativas para mejorar su eficiencia y desempeño.
