Máquina de vetores de suporte e técnicas estatísticas para previsão e classificação de falha de turbinas eólicas
Resumo
A energia eólica é dominante entre a geração de energias renováveis no Brasil, devido ao alto crescimento nos últimos anos, há uma necessidade de desenvolver técnicas precisas de diagnóstico de falhas em aerogeradores, para diminuir o tempo de inatividade devido a defeitos ou manutenções desnecessárias. A maioria das técnicas tradicionais de identificação de falha não são capazes de detectar defeitos causados por assimetria/desequilíbrio de massa ou ângulo do sistema de passo nas pás, avarias comuns em aerogeradores. Métodos como a análise de vibrações, que é competente para o reconhecimento desses tipos de condições, exige a instalação de sensores extras em locais que pode ser de difícil acesso. Uma nova abordagem seria o diagnóstico baseado em sinais elétricos dos geradores da turbina eólica, pois, se mostram uma opção mais confiável e econômica, por não necessitar a instalação de sensores de vibração. Para isto, uma estrutura com TurbSim/FAST/Simulink foi utilizada para simular sinais elétricos gerados a partir de uma turbina eólica de 1,5 MW para diferentes cenários de influxo de vento, e parâmetros de desequilíbrio de massa nas pás e ângulos de passo. Algoritmos de aprendizado de máquina, como SVM, e ferramentas estatísticas, como PCA, LDA, MVPE e FFT, foram aplicados nos dados de simulação para a identificação de falhas. Na identificação de condições de falha foi obtido, no melhor dos casos, acurácia de 100,00% com sinais elétricos do gerador de turbinas eólicas.
Coleções
Os arquivos de licença a seguir estão associados a este item: