{rfName}
AI

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

23

Altmetrics

Investigadores/as Institucionales

Medina-Manuel, AntonioAutor o CoautorSanchez, Rafael MolinaAutor o CoautorSouto-Iglesias, AntonioAutor (correspondencia)

Compartir

15 de octubre de 2024
Publicaciones
>
Artículo
Sí

AI-Driven Model Prediction of Motions and Mooring Loads of a Spar Floating Wind Turbine in Waves and Wind

Publicado en: Journal of Marine Science and Engineering. 12 (9): 1464- - 2024-09-01 12(9), DOI: 10.3390/jmse12091464

Autores:

Medina-Manuel, Antonio; Sanchez, Rafael Molina; Souto-Iglesias, Antonio
[+]

Afiliaciones

Univ Politecn Madrid UPM, CEHINAV, DACSON, ETSIN, Ave Memoria 4, Madrid 28040, Spain - Autor o Coautor
UPM, CEHINAV, DITTU, ETSI Caminos Canales & Puertos, Madrid 28040, Spain - Autor o Coautor

Resumen

This paper describes a Long Short-Term Memory (LSTM) neural network model used to simulate the dynamics of the OC3 reference design of a Floating Offshore Wind Turbine (FOWT) spar unit. It crafts an advanced neural network with an encoder-decoder architecture capable of predicting the spar's motion and fairlead tensions time series. These predictions are based on wind and wave excitations across various operational and extreme conditions. The LSTM network, trained on an extensive dataset from over 300 fully coupled simulation scenarios using OpenFAST, ensures a robust framework that captures the complex dynamics of a floating platform under diverse environmental scenarios. This framework's effectiveness is further verified by thoroughly evaluating the model's performance, leveraging comparative statistics and accuracy assessments to highlight its reliability. This methodology contributes to substantial reductions in computational time. While this research provides insights that facilitate the design process of offshore wind turbines, its primary aim is to introduce a new predictive approach, marking a step forward in the quest for more efficient and dependable renewable energy solutions.
[+]

Palabras clave

Data-driven modelFloating offshore wind turbine (fowt)Fully coupled numerical simulationsLstm neural networksMooring loads predictioMooring loads predictionSeakeeping motions predictionTime-series prediction

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Journal of Marine Science and Engineering debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia WoS (JCR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2024 aún no existen indicios calculados, pero en 2023, se encontraba en la posición 7/25, consiguiendo con ello situarse como revista Q2 (Segundo Cuartil), en la categoría Engineering, Marine. Destacable, igualmente, el hecho de que la Revista está posicionada en el Cuartil Q2 para la agencia Scopus (SJR) en la categoría Ocean Engineering.

Independientemente del impacto esperado determinado por el canal de difusión, es importante destacar el impacto real observado de la propia aportación.

Según las diferentes agencias de indexación, el número de citas acumuladas por esta publicación hasta la fecha 2026-04-25:

  • Google Scholar: 1
  • WoS: 10
  • Scopus: 11
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-25:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 15.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 13 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 5.
  • El número de menciones en la red social X (antes Twitter): 7 (Altmetric).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
  • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/86621/

Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

  • Visualizaciones: 139
  • Descargas: 42
[+]

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (MEDINA MANUEL, ANTONIO) y Último Autor (SOUTO IGLESIAS, ANTONIO).

el autor responsable de establecer las labores de correspondencia ha sido SOUTO IGLESIAS, ANTONIO.

[+]

Reconocimientos ligados al ítem

The authors acknowledge the funding received from the Ministry of Science and Innovation of Spain through projects FOWT-DAMP2 (reference: PID2021-123437OB-C21) and FOWT-PLATE-MOOR (reference: TED2021-130951B-I00).
[+]