Utilização de técnicas de deep learning para predição de desbalanceamento de massa em rotores de turbinas eólicas
Resumo
Uma fonte de energia limpa, renovável e permanentemente abundante, a energia
elétrica eólica vem sendo cada vez mais buscada em todo o mundo, tanto no ramo acadêmico
quanto no ramo empresarial, por seu baixíssimo impacto ambiental, tem se tornado cada vez
mais uma excelente opção de produção de energia alternativa aos modos convencionais de
geração energética. O Brasil possui um enorme potencial de expansão graças à sua geografia
muito propícia ao aproveitamento dos ventos, na região Nordeste, por exemplo, tem
capacidade de produzir até 75GW de energia eólica, equivalente à metade de toda energia
produzida pelo país inteiro. Segundo a Abeeólica, o Brasil abastece 11,5% da matriz
energética total do país, chegando à 20% em dias de alta produção. Apesar de toda as suas
vantagens, ainda deixa muito a desejar em relação à sua eficiência, muitas pesquisas vem sido
realizadas impulsionadas pelo grande aumento do interesse nesse tipo de produção energética.
Nesse trabalho busco acrescentar à essas pesquisas realizadas no ramo um estudo
desenvolvido com inteligência artificial usando duas redes neurais diferentes: uma rede neural
convolucional (CNN) e uma memória de curto e longo prazo (LSTM), para uma averiguação
no desbalanceamento de massa de lâminas de rotores de aerogeradores. O intuito final desse
trabalho é trazer uma maneira capaz de possibilitar uma classificação categórica e
competente de desbalaceamento de massa na velocidade do rotor, para o melhor
funcionamento do sistema, agindo de forma mais precisa, constante e menos nociva à
operação.
Coleções
- TCC Engenharia Elétrica [174]
Os arquivos de licença a seguir estão associados a este item: