Prognóstico da Vida Útil Remanescente dos Rolamentos de
Aerogeradores Utilizando modelos de aprendizagem profunda
Aerogerador. Energia Eólica. Prognóstico. Vida Útil
Remanescente. Aprendizagem Profunda. Rolamento.
Nos últimos anos, a geração de energia eólica cresceu expressivamente
no Brasil e no mundo. No entanto, um dos grandes desafios observados ao
longo dos anos são os custos de operação e manutenção, que podem
variar entre 20% a 35% durante toda a vida útil do aerogerador. Nesse
sentido, a utilização de metodologias baseadas no monitoramento da
máquina é de extrema importância para prolongar a vida útil dos
componentes do aerogerador e minimizar os custos de manutenção. Neste
contexto, o presente trabalho propõe uma metodologia de ensemble de
modelos de deep learning, como CNN, LSTM e CNN-LSTM, para o prognóstico da
vida útil remanescente dos rolamentos do aerogerador, permitindo a
manutenção em períodos programáveis. Por fim, analisou-se a tendência
de degradação da máquina e, consequentemente, o prognóstico adequado
para realizar a manutenção condicionada, maximizando o aproveitamento da
vida útil do aerogerador.