Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.150
Aluno: Othon Vinícius Cavalcanti de Souza
Orientador: Prof. Tsang Ing Ren
Coorientador: Prof. Alexandre Carlos Araújo da Costa (UFPE/ Energia Nuclear)
Título: Prognóstico da Vida Útil Remanescente dos Rolamentos de Aerogeradores Utilizando modelos de aprendizagem profunda
Data: 30/07/2024
Hora/Local: 9h – Virtual – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Prof. George Darmiton da Cunha Cavalcanti (UFPE / Centro de Informática)
Prof. Gustavo Novaes Pires Leite (IFPE / Departamento Acadêmico de Cursos Superiores)
Prof. Tsang Ing Ren (UFPE / Centro de Informática)
RESUMO:
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.
Palavras-chave: Aerogerador. Energia Eólica. Prognóstico. Vida Útil Remanescente. Aprendizagem Profunda. Rolamento.
Comentários desativados