GERENCIAMENTO DE MANUTENÇÃO PREDITIVA EM PARQUES EÓLICOS COM APRENDIZADO POR REFORÇO MULTIAGENTE
Energia eólica, MANUTENÇÃO PREDITIVA, machine learning
A geração eólica vem crescendo exponencialmente como fonte renovável relevante. Contudo, manter eficientemente grandes parques eólicos ainda é desafio tecnológico, com muitas atividades de manutenção preventiva e corretiva realizadas de forma reativa baseada em dados limitados. Essa abordagem não explora todo o potencial de sistemas de monitoramento e algoritmos avançados. Além disso, tais metodologias poderiam integrar múltiplas estratégias prognósticas de forma cooperativa e autônoma, subsidiando dinamicamente o planejamento da manutenção. Por isso, esta tese propõe inovar gerenciando manutenção preditiva em parques eólicos com algoritmos multiagentes de aprendizado por reforço, demonstrando como supera gargalos de métodos atuais, gerando impactos na confiabilidade e sustentabilidade operacional de grandes sistemas eólicos.