Diagnóstico automático de desbalanceamento em rotores de aerogeradores utilizando técnicas de inteligência artificial
Ver/
Fecha
2024-03-22Primeiro membro da banca
Souza, Carlos Eduardo de
Segundo membro da banca
Franchi, Claiton Moro
Terceiro membro da banca
Dias, João Paulo
Quarto membro da banca
Bernardes, Thiago Araújo
Metadatos
Mostrar el registro completo del ítemResumen
Políticas de redução das emissões de dióxido de carbono são amplamente promovidas
em campanhas com foco ambiental. Esse impulso tem gerado um aumento significativo
na geração de energia por meio de fontes renováveis. Para tornar o setor eólico
mais atrativo e rentável, tem havido um crescente interesse em pesquisas voltadas para
o desenvolvimento de métodos de monitoramento das condições dos aerogeradores. Este
trabalho apresenta uma proposta para o desenvolvimento de uma solução destinada a
detectar desequilíbrios nos rotores de aerogeradores, causados por desequilíbrios de massa
das pás ou aerodinâmicos. A elaboração dessa solução demandou investigar quais sinais
operacionais do aerogerador são impactados quando há um desequilíbrio no rotor. Essa
investigação foi realizada com base nos resultados obtidos por meio de softwares de simulação
e análises de modelos matemáticos de turbinas eólicas. O OpenFAST foi usado
para simulações abrangendo modelos estruturais, aerodinâmicos, elétricos e de controle
do aerogerador. O software TurbSim foi usado para gerar séries temporais de vento. O
OpenFAST integra-se com o Simulink do Matlab, onde foram desenvolvidas as malhas de
controle para rastreamento do ponto máximo de potência e limitação de potência. A fim
de gerenciar e automatizar as simulações, bem como criar um banco de dados, foi desenvolvida
uma aplicação em linguagem Python que manipula os arquivos do OpenFAST e
TurbSim. Esta aplicação executa simulações em diferentes cenários de vento e condições
de desequilíbrio do rotor. Analisando as simulações e os modelos matemáticos da turbina
eólica, observou-se que as acelerações translacionais das unidades inerciais da nacele são
afetadas pelos desequilíbrios de massa e aerodinâmicos. A aceleração translacional da
nacele na direção do eixo ys é mais intensamente perturbada pelo desequilíbrio aerodinâmico,
enquanto a aceleração ao longo do eixo xs é afetada de forma semelhante por ambos
os desequilíbrios (massa e aerodinâmico). Para a detecção automática dos desequilíbrios
do rotor, foram empregadas duas técnicas de inteligência artificial para comparação. A
primeira técnica envolveu descritores estatísticos das acelerações e da velocidade do vento,
que foram utilizados para gerar imagens. Essas imagens alimentaram uma rede neural
convolucional (CNN) no processo de treinamento e predição. O segundo método utilizou
as acelerações no domínio da frequência, com foco nas frequências próximas de 1p. Nesse caso, a máquina de vetor de suporte (SVM) foi empregada para treinamento e predição
das condições do rotor. Além disso, este trabalho propõe uma abordagem inovadora ao
incorporar o uso de redes neurais Adversárias Generativas (GAN) para a adaptação de
domínio. Essa estratégia tem o objetivo de tornar o método de detecção de desequilíbrio
do rotor altamente adaptável a diferentes modelos de aerogeradores. A vantagem
significativa das GANs reside na capacidade de adaptar o modelo de detecção sem a necessidade
de uma revisão completa do algoritmo, tornando-o eficiente e prático para uma
variedade de modelos. Por fim, o autor propõe uma solução prática para a implementação
da técnica em parques eólicos, integrando-a a um sistema de gerenciamento que permite
o monitoramento contínuo, detecção em tempo real e manutenção preditiva, contribuindo
para o desempenho otimizado e a integridade de parques eólicos em escala industrial.
Colecciones
El ítem tiene asociados los siguientes ficheros de licencia: