Modelo multivariante basado en datos para monitorear la condición de turbinas a vapor de 100 MW

Resumen

Se desarrolló un modelo diagnóstico basado en datos para turbinas a vapor de 100 MW, integrando el análisis de componentes principales (ACP) y el control estadístico multivariable de procesos (MSPC) con el propósito de caracterizar la variabilidad funcional-dinámica normal del sistema y detectar desviaciones operativas incipientes. Se utilizaron bases de datos históricas del sistema de monitoreo en línea, que contenían mediciones vibratorias y tecnológicas tomadas durante más de dos años de operación continua. El proceso metodológico incluyó las etapas de preprocesamiento, acondicionamiento, depuración y validación de los datos, seguidas de la construcción del modelo multivariante y la definición de la muestra patrón de referencia. Los resultados evidenciaron la estabilidad estadística del modelo y su capacidad para discriminar condiciones anómalas mediante los estadísticos T² de Hotelling y Q-residuals. Se comprobó que el enfoque propuesto mejora la detección temprana de fallos y contribuye a la implementación de estrategias de mantenimiento predictivo basadas en condición, proporcionando una herramienta eficaz para el diagnóstico funcional de turbinas industriales de gran potencia y una base metodológica transferible a otros sistemas térmicos rotativos.