dc.contributor.advisor | Franchi, Claiton Moro | |
dc.creator | Rosa, Leonardo Dias da | |
dc.date.accessioned | 2022-10-19T18:06:42Z | |
dc.date.available | 2022-10-19T18:06:42Z | |
dc.date.issued | 2019-12-02 | |
dc.date.submitted | 2019 | |
dc.identifier.citation | ROSA, L. D. da. Detecção de desbalanceamento de massa entre pás de aerogerador utilizando sinais elétricos de um gerador síncrono de imãs permanentes aplicados a métodos de aprendizagem de máquina. 2019. 84 p. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação)- Universidade Federal de Santa Maria, Santa Maria, RS, 2019. | por |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/26598 | |
dc.description | Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Engenharia de Controle e Automação, RS, 2022. | por |
dc.description.abstract | The use of wind power has increased in electricity production due to its cost becoming
closer to conventional generation sources. The useful lifetime expectancy of wind turbines
are typically of 20 years, however failures are expected much earlier due to components
(especially gears, electrical system and blades) failures. Detecting and avoiding harsh
operations and conditions of wind turbines are useful to reduce downtimes and catastrophic
failures that could lead to greater losses and even a complete shutdown of the
turbine. A considerable amount of failures in components can be assign to the rotor
imbalance of wind turbines, since the imbalance can cause greater mechanical loads throughout
the whole structure. In this paper, machine learning methods are applied in
order to detect blade mass imbalance in wind turbines. The data used for such task were
obtained from the platform Turbsim/FAST/Simulink, which simulates the dynamics of
a 1.5 MW wind turbine, with both normal and blade mass imbalance operations. The
electrical quantities obtained from the permanent magnets synchronous generator of the
wind turbine allows to estimate the rotational speed of the rotor, and this data is applied
to machine learning methods to detect whether there is imbalance or not. The use of
coupled aeroelastic numeric simulations and machine learning in this paper presented a
feasible method to improve the production of wind power, reducing downtimes, allowing
scheduled maintenances and increasing the LCOE of wind power generation. | eng |
dc.language | por | por |
dc.publisher | Universidade Federal de Santa Maria | por |
dc.rights | Acesso Aberto | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Python | eng |
dc.subject | FAST v8 | eng |
dc.subject | Energia eólica | por |
dc.subject | Aprendizado de máquina | por |
dc.subject | CMS | por |
dc.subject | Wind energy | eng |
dc.subject | Turbsim | eng |
dc.subject | Simulations | eng |
dc.subject | Machine Learning | eng |
dc.title | Detecção de desbalanceamento de massa entre pás de aerogerador utilizando sinais elétricos de um gerador síncrono de imãs permanentes aplicados a métodos de aprendizagem de máquina | por |
dc.title.alternative | Wind turbine blade mass imbalance detection applying PMSG electrical signals to machine learning methods | eng |
dc.type | Trabalho de Conclusão de Curso de Graduação | por |
dc.degree.local | Santa Maria, RS, Brasil. | por |
dc.degree.graduation | Engenharia de Controle e Automação | por |
dc.description.resumo | A produção de energia elétrica através dos ventos é cada vez mais comum, tendo em vista
que o preço de produção da energia eólica se aproxima do preço dos métodos convencionais
de geração. A expectativa de vida útil de uma turbina ao ser instalada é tipicamente
de 20 anos, no entanto, falhas podem acontecer muito antes desse tempo, devido a problemas
em diferentes componentes (principalmente engrenagens, pás e sistemas elétricos).
Detectar e evitar que o aerogerador opere em condições danosas são de suma importância,
pois assim se diminui o tempo de parada para manutenção ou mesmo se evita que
sofra uma falha catastrófica, que pode por fim a operação de uma turbina eólica. Muitas
das falhas nos componentes podem ser causadas por desbalanceamento do rotor de um
aerogerador, já que o desbalanceamento causa elevadas cargas mecânicas que se distribuem
através de toda a estrutura. Nesse trabalho, métodos de aprendizado de máquina
são utilizados para detectar o desbalanceamento de massa nas pás de um aerogerador.
Os dados utilizados para alimentar os algoritmos de aprendizado de máquina são obtidos
através do framework Turbsim/FAST/Simulink, responsável por simular as dinâmicas de
um aerogerador de 1,5 MW, em operação com e sem desbalanceamento de massa das pás.
Os parâmetros elétricos obtidos do gerador síncrono de imãs permanentes do aerogerador
permitem estimar a velocidade de rotação do rotor, e esse dado é aplicado aos métodos
de aprendizado de máquina. O uso de simulações numéricas das dinâmicas acopladas de
aerogeradores e algoritmos de aprendizado de máquina apresentados nesse trabalho se
demonstrou um método válido para aprimorar a produção de energia eólica, reduzindo
tempos de parada devido a manutenção necessária a falhas causadas (ou catalizadas) pelo
desbalanceamento de massa, permitindo programar manutenções de maneira ótima, sendo
esses fatores relevantes para diminuir o LCOE da energia eólica. | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFSM | por |
dc.subject.cnpq | CNPQ::ENGENHARIAS | por |
dc.publisher.unidade | Centro de Tecnologia | por |