Las turbinas eólicas marinas flotantes (FOWTs) se están convirtiendo en una parte importante de los sistemas energéticos futuros, capaces de complementar las redes convencionales y respaldar la seguridad y resiliencia energética general. Sin embargo, la comprensión de la evolución dinámica de la confiabilidad de las turbinas eólicas marinas flotantes bajo eventos peligrosos y condiciones de degradación permanece con vacíos significativos, lo que constituye un desafío científico importante. Los sistemas de monitoreo existentes, como SCADA, tienen una capacidad limitada para identificar las verdaderas causas fundamentales de fallas a nivel de componentes, por lo que las medidas de mantenimiento pueden dirigirse solo a fuentes de falla incorrectas o incompletas, mientras que las causas fundamentales no detectadas pueden continuar propagando daños residuales y acelerando la degradación de otros componentes. Este estudio desarrolla un marco de evaluación dinámica de confiabilidad orientado a la resiliencia para la gestión de recuperación de turbinas eólicas marinas flotantes bajo condiciones peligrosas. Se utiliza una red bayesiana para representar la estructura jerárquica del sistema de la turbina eólica marina flotante y modelar la propagación de fallas desde el nivel de componentes hasta el nivel de subsistemas y sistema. Durante el proceso de recuperación, este marco puede capturar el impacto de los daños residuales debido a fallas fundamentales no identificadas o no completamente reparadas en la evolución posterior de la confiabilidad. Se introduce un módulo de detección profunda sensible a las condiciones para representar el proceso de recuperación basado en la predicción de fallas y la gestión de la salud. Aunque esta estrategia requiere inversiones adicionales en detección y recursos de toma de decisiones antes del mantenimiento, permite una identificación más precisa de las causas fundamentales y sus rutas de propagación, apoyando decisiones de recuperación más efectivas. Un estudio de caso muestra que la confiabilidad del sistema puede caer rápidamente cuando los componentes clave se ven afectados por eventos peligrosos. Además, el estudio muestra que la recuperación basada en la experiencia puede restaurar parcialmente las funciones del sistema, pero puede no eliminar daños residuales cuando las causas fundamentales no se identifican completamente. En contraste, la estrategia sensible a las condiciones logra un mayor efecto de recuperación de la confiabilidad al mejorar la identificación de causas fundamentales y la efectividad de las reparaciones. Los resultados destacan la importancia de incorporar detección sensible a las condiciones en la planificación de la recuperación posterior a desastres y resaltan el valor de la evaluación dinámica de la confiabilidad para mejorar la resiliencia de las turbinas eólicas marinas flotantes. Específicamente, este estudio proporciona una base para comprender cuantitativamente cómo el rendimiento de la predicción de fallas y la gestión de la salud afectan los efectos de recuperación y la mejora de la resiliencia, apoyando la evaluación del valor de estas tecnologías en la gestión de recuperación posterior a desastres de turbinas eólicas marinas flotantes.

Turbinas eólicas marinas flotantes;Red bayesiana;Recuperación sensible a condiciones;Resiliencia de infraestructuras energéticas;Predicción de fallas y gestión de la salud