Adoção de políticas avançadas de manutenção em parques eólicos
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.26/46790 |
Resumo: | A utilização de recursos energéticos renováveis apresenta-se como um caminho vital para a humanidade alcançar um desenvolvimento sustentável. Neste caminho, a energia eólíca surge como um dos principais vetores de orientação, tendo evoluído de forma quase exponencial nos últimos anos. No entanto, apesar da sua relativa mat uridade, esta tecnologia enfrenta ainda alguns problemas e desafios. Não obstante a experiência, adquirida nos últimos trinta anos e dos esforços para melhorar a fiabilidade operacional das turbinas eólicas, as taxas de falha ainda se apresentam elevadas. Face às correntes prátícas de manutenção das turbinas e às características de falha que vão ocorrendo (por vezes catastróficas) , existe por isso, a necessidade de adotar as estratégias de manutenção das turbinas eólícas mais avançadas e simultaneamente reduzir os custos operacionais durante o ciclo de vida, de modo a maximizar o retorno do investimento. Com este intuito, o presente trabalho de dissertação visa a aplicação de técnícas da inteligência artificial no auxílio à manutenção aplicada a turbinas eólicas. Assim , foi estudada a aplicação de redes neuronais na deteção de possíveis avarias em componentes vitais da turbina. Essas redes foram modeladas com dados reais disponibilizados pelo Sistema de Supervisão e Aquisição de Dados (SCADA) implantado num equipamento real. As redes neuronais são ferramentas informáticas ideais para trabalhar com muita informação, sendo que a sua aplicação depende da qualidade e quantidade dos dados. O equipamento de estudo utilizado nesta tese foi um aerogerador atualmente em funcionamento num parque eólico, representativo de um modelo instalado em grande número na frota portuguesa de turbinas eólicas instaladas. Os resultados obtidos neste trabalho, com a aplícação de redes neuronais para a previsão de avarias em rolamentos de apoio do eixo principal do aerogerador do parque eólico de estudo, provam que é possível realizar uma deteção de avaria, podendo assim ser adequados os programas de manutenção. Como base em todo o estudo realizado, foi elaborada uma ferramenta de diagnóstico de avaria que através de uma análise à distância se propõe servir de apoio à decisão das ações de manutenção dos operadores destes equipamentos. |
id |
RCAP_e8de4dc01f2d0df80de3fb86f91a361d |
---|---|
oai_identifier_str |
oai:comum.rcaap.pt:10400.26/46790 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Adoção de políticas avançadas de manutenção em parques eólicosEnergia eólicaAvarias de aerogeradoresRedes neuraisDeteção automática de avariasManutenção de aerogeradoresA utilização de recursos energéticos renováveis apresenta-se como um caminho vital para a humanidade alcançar um desenvolvimento sustentável. Neste caminho, a energia eólíca surge como um dos principais vetores de orientação, tendo evoluído de forma quase exponencial nos últimos anos. No entanto, apesar da sua relativa mat uridade, esta tecnologia enfrenta ainda alguns problemas e desafios. Não obstante a experiência, adquirida nos últimos trinta anos e dos esforços para melhorar a fiabilidade operacional das turbinas eólicas, as taxas de falha ainda se apresentam elevadas. Face às correntes prátícas de manutenção das turbinas e às características de falha que vão ocorrendo (por vezes catastróficas) , existe por isso, a necessidade de adotar as estratégias de manutenção das turbinas eólícas mais avançadas e simultaneamente reduzir os custos operacionais durante o ciclo de vida, de modo a maximizar o retorno do investimento. Com este intuito, o presente trabalho de dissertação visa a aplicação de técnícas da inteligência artificial no auxílio à manutenção aplicada a turbinas eólicas. Assim , foi estudada a aplicação de redes neuronais na deteção de possíveis avarias em componentes vitais da turbina. Essas redes foram modeladas com dados reais disponibilizados pelo Sistema de Supervisão e Aquisição de Dados (SCADA) implantado num equipamento real. As redes neuronais são ferramentas informáticas ideais para trabalhar com muita informação, sendo que a sua aplicação depende da qualidade e quantidade dos dados. O equipamento de estudo utilizado nesta tese foi um aerogerador atualmente em funcionamento num parque eólico, representativo de um modelo instalado em grande número na frota portuguesa de turbinas eólicas instaladas. Os resultados obtidos neste trabalho, com a aplícação de redes neuronais para a previsão de avarias em rolamentos de apoio do eixo principal do aerogerador do parque eólico de estudo, provam que é possível realizar uma deteção de avaria, podendo assim ser adequados os programas de manutenção. Como base em todo o estudo realizado, foi elaborada uma ferramenta de diagnóstico de avaria que através de uma análise à distância se propõe servir de apoio à decisão das ações de manutenção dos operadores destes equipamentos.Mendonça, Luis Manuel FernandesRepositório ComumBarata, Paulo Miguel Ribeiro2023-09-27T10:44:07Z2020-07-082020-07-08T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.26/46790TID:203359429porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-10-01T12:10:40Zoai:comum.rcaap.pt:10400.26/46790Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T20:31:55.170510Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Adoção de políticas avançadas de manutenção em parques eólicos |
title |
Adoção de políticas avançadas de manutenção em parques eólicos |
spellingShingle |
Adoção de políticas avançadas de manutenção em parques eólicos Barata, Paulo Miguel Ribeiro Energia eólica Avarias de aerogeradores Redes neurais Deteção automática de avarias Manutenção de aerogeradores |
title_short |
Adoção de políticas avançadas de manutenção em parques eólicos |
title_full |
Adoção de políticas avançadas de manutenção em parques eólicos |
title_fullStr |
Adoção de políticas avançadas de manutenção em parques eólicos |
title_full_unstemmed |
Adoção de políticas avançadas de manutenção em parques eólicos |
title_sort |
Adoção de políticas avançadas de manutenção em parques eólicos |
author |
Barata, Paulo Miguel Ribeiro |
author_facet |
Barata, Paulo Miguel Ribeiro |
author_role |
author |
dc.contributor.none.fl_str_mv |
Mendonça, Luis Manuel Fernandes Repositório Comum |
dc.contributor.author.fl_str_mv |
Barata, Paulo Miguel Ribeiro |
dc.subject.por.fl_str_mv |
Energia eólica Avarias de aerogeradores Redes neurais Deteção automática de avarias Manutenção de aerogeradores |
topic |
Energia eólica Avarias de aerogeradores Redes neurais Deteção automática de avarias Manutenção de aerogeradores |
description |
A utilização de recursos energéticos renováveis apresenta-se como um caminho vital para a humanidade alcançar um desenvolvimento sustentável. Neste caminho, a energia eólíca surge como um dos principais vetores de orientação, tendo evoluído de forma quase exponencial nos últimos anos. No entanto, apesar da sua relativa mat uridade, esta tecnologia enfrenta ainda alguns problemas e desafios. Não obstante a experiência, adquirida nos últimos trinta anos e dos esforços para melhorar a fiabilidade operacional das turbinas eólicas, as taxas de falha ainda se apresentam elevadas. Face às correntes prátícas de manutenção das turbinas e às características de falha que vão ocorrendo (por vezes catastróficas) , existe por isso, a necessidade de adotar as estratégias de manutenção das turbinas eólícas mais avançadas e simultaneamente reduzir os custos operacionais durante o ciclo de vida, de modo a maximizar o retorno do investimento. Com este intuito, o presente trabalho de dissertação visa a aplicação de técnícas da inteligência artificial no auxílio à manutenção aplicada a turbinas eólicas. Assim , foi estudada a aplicação de redes neuronais na deteção de possíveis avarias em componentes vitais da turbina. Essas redes foram modeladas com dados reais disponibilizados pelo Sistema de Supervisão e Aquisição de Dados (SCADA) implantado num equipamento real. As redes neuronais são ferramentas informáticas ideais para trabalhar com muita informação, sendo que a sua aplicação depende da qualidade e quantidade dos dados. O equipamento de estudo utilizado nesta tese foi um aerogerador atualmente em funcionamento num parque eólico, representativo de um modelo instalado em grande número na frota portuguesa de turbinas eólicas instaladas. Os resultados obtidos neste trabalho, com a aplícação de redes neuronais para a previsão de avarias em rolamentos de apoio do eixo principal do aerogerador do parque eólico de estudo, provam que é possível realizar uma deteção de avaria, podendo assim ser adequados os programas de manutenção. Como base em todo o estudo realizado, foi elaborada uma ferramenta de diagnóstico de avaria que através de uma análise à distância se propõe servir de apoio à decisão das ações de manutenção dos operadores destes equipamentos. |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-07-08 2020-07-08T00:00:00Z 2023-09-27T10:44:07Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.26/46790 TID:203359429 |
url |
http://hdl.handle.net/10400.26/46790 |
identifier_str_mv |
TID:203359429 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799133587399770112 |