UTILIZAÇÃO DE REDES TIPO TRANSFORMERS PARA A DETECÇÃO E PROGNÓSTICO DE FALHAS EM TURBINAS EÓLICAS A PARTIR DE DADOS OPERACIONAIS DO SISTEMA SCADA E DO SISTEMA DE MONITORAMENTO DE CONDIÇÕES.ESTUDO DE CASO: TURBINA EÓLICA COM 10 ANOS DE OPERAÇÃO
Energia eólica, Dados SCADA, Transformers, Inteligência artificial, Turbinas eólicas, Sistema de monitoramento de condições (CMS), Séries temporais, detecção e prognóstico de falhas
A energia eólica no Brasil possui mais de 30 anos de história, dez mil turbinas em operação, representando 13% da matriz elétrica nacional. Os custos com operação e manutenção correspondem a 22% do investimento total de uma central eólica, dentro desse contexto, o correto funcionamento das turbinas é fundamental no sucesso do empreendimento. Mitigar as falhas, incertezas e riscos associados a operação das turbinas e consequentemente reduzir os custos, atuando antes da ocorrência da falha, é um dos principais desafios da indústria. 99% das falhas em equipamentos são precedidas por sinais de que aquela falha iria acontecer. Uma das formas de avaliar os sinais do aerogerador é através da análise dos dados do sistema SCADA. Embora seja de grande valia essa grande quantidade de informações, torna-se impraticável avaliar de forma preditiva todos os dados sem o auxílio de uma ferramenta computacional. A correta aplicação dos métodos de Machine Learning surge como ferramenta para auxiliar na prevenção, detecção e prognóstico das falhas. O modelo de Deep Learning denominado transformer é o estado da arte na análise de séries temporais e será utilizada neste trabalho para prever, diagnosticar e evitar falhas em grandes componentes de uma turbina eólica real com 10 anos de operação.