Aplication of artificial intelligence for wind turbine operation and maintenance: proposal of framework
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/46814 |
Resumo: | O aquecimento global alertou à comunidade internacional da necessidade de uso de fontes renováveis e limpas na geração de energia elétrica. Nesse cenário, a energia eólica se encontra em expansão. Como essa fonte de geração depende de um equipamento central, o aerogerador, a sua operação e manutenção é fundamental para a viabilidade do negócio, e por isso, a aplicação de novas tecnologias, como a Inteligência Artificial, pode trazer maior competitividade do setor. O objetivo do estudo é apresentar um framework para a aplicação de Inteligência Artificial na operação e manutenção de parques eólicos. Para tanto, foi realizada uma pesquisa teórica e de campo. A pesquisa teórica considerou uma revisão tradicional da literatura e uma revisão bibliográfica sistemática. O estado da arte foi identificado pela análise detalhada de 51 artigos obtidos na Plataforma Periódicos da Capes. Foram identificados os equipamentos estudados, métodos e métricas adotadas e etapas da aplicação da IA. A pesquisa de campo foi realizada pela aplicação do framework em um parque eólico, mediante a simulação de uma aplicação de monitoramento da condição de rolamentos através da modelagem da temperatura, mediante dados SCADA. Três modelos de redes neurais foram testados: Rede Neural Feedforward, Rede Neural Autorregressiva e Long Short-Term Memory O modelo de Long Short-Term Memory apresentou a melhor performance dentre os algoritmos testados, mesmo quando comparado com outros estudos, o que mostra que ele pode ser usado para esse tipo de aplicação. O framework proposto é dividido em quatro macro-etapas: Seleção da aplicação, preparação de dados, desenvolvimento do modelo e avaliação de resultados. |
id |
UFRN_7e2c5d5c4f5cc9d8528bd3037b6f7eab |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/46814 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Souza, Mateus Guilherme Melo dehttp://lattes.cnpq.br/8572625074313146http://lattes.cnpq.br/5936291138113637Costa, José Alfredo Ferreirahttp://lattes.cnpq.br/9745845064013172Rufato Júnior, EloiAndrade, Humberto Dionísio dehttp://lattes.cnpq.br/1253785596446469Gonzalez, Mario Orestes Aguirre2022-04-05T22:54:29Z2022-04-05T22:54:29Z2020-12-17SOUZA, Mateus Guilherme Melo de. Aplication of artificial intelligence for wind turbine operation and maintenance: proposal of framework. 2020. 94f. Dissertação (Mestrado em Engenharia de Produção) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020.https://repositorio.ufrn.br/handle/123456789/46814O aquecimento global alertou à comunidade internacional da necessidade de uso de fontes renováveis e limpas na geração de energia elétrica. Nesse cenário, a energia eólica se encontra em expansão. Como essa fonte de geração depende de um equipamento central, o aerogerador, a sua operação e manutenção é fundamental para a viabilidade do negócio, e por isso, a aplicação de novas tecnologias, como a Inteligência Artificial, pode trazer maior competitividade do setor. O objetivo do estudo é apresentar um framework para a aplicação de Inteligência Artificial na operação e manutenção de parques eólicos. Para tanto, foi realizada uma pesquisa teórica e de campo. A pesquisa teórica considerou uma revisão tradicional da literatura e uma revisão bibliográfica sistemática. O estado da arte foi identificado pela análise detalhada de 51 artigos obtidos na Plataforma Periódicos da Capes. Foram identificados os equipamentos estudados, métodos e métricas adotadas e etapas da aplicação da IA. A pesquisa de campo foi realizada pela aplicação do framework em um parque eólico, mediante a simulação de uma aplicação de monitoramento da condição de rolamentos através da modelagem da temperatura, mediante dados SCADA. Três modelos de redes neurais foram testados: Rede Neural Feedforward, Rede Neural Autorregressiva e Long Short-Term Memory O modelo de Long Short-Term Memory apresentou a melhor performance dentre os algoritmos testados, mesmo quando comparado com outros estudos, o que mostra que ele pode ser usado para esse tipo de aplicação. O framework proposto é dividido em quatro macro-etapas: Seleção da aplicação, preparação de dados, desenvolvimento do modelo e avaliação de resultados.Global warming has alerted the international community to the need to of renewable and clean energy sources in the generation of electricity. In this scenario, wind energy is expanding. As this source depends on a central equipment, the wind turbine, its operation and maintenance are fundamental for the viability of the business and, therefore, the application of technologies, such as Artificial Intelligence, can improve the competitiveness of the sector. The objective of this study is to present a framework for the application of Artificial Intelligence in the operation and maintenance of wind farms. For this, theoretical and field research were carried out. The theoretical research complemented a traditional literature review and a systematic literature review. State-of-the-art was identified through the analysis of 51 articles obtained from the Periodicos Capes Platform. The research identified the equipment studied, data, methods and metrics adopted in the application of AI. The field research was carried out by applying the framework to a wind farm, simulating an application of condition monitoring for bearings through the modelling of its temperature using SCADA data. Three neural networks models were tested: Feedforward Neural Network, Autoregressive Neural Network and Long ShortTerm Memory (LSTM). The LSTM model presented the best performance among the tested algorithms, even when compared to other studies, which shows that it can be used for this type of application. The proposed framework is composed by four macro-steps: Selecting application, data preparation, model development and evaluation of results.Conselho Nacional de Desenvolvimento Científico e Tecnológico - CNPqUniversidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃOUFRNBrasilArtificial intelligenceOperation and maintenanceSystematic literature reviewANNLSTMAplication of artificial intelligence for wind turbine operation and maintenance: proposal of frameworkinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALAplicationartificialintelligence_Souza_2020.pdfapplication/pdf4552763https://repositorio.ufrn.br/bitstream/123456789/46814/1/Aplicationartificialintelligence_Souza_2020.pdf04fe3c77de9b891a73743ced48441ab3MD51123456789/468142022-05-02 12:30:27.127oai:https://repositorio.ufrn.br:123456789/46814Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2022-05-02T15:30:27Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Aplication of artificial intelligence for wind turbine operation and maintenance: proposal of framework |
title |
Aplication of artificial intelligence for wind turbine operation and maintenance: proposal of framework |
spellingShingle |
Aplication of artificial intelligence for wind turbine operation and maintenance: proposal of framework Souza, Mateus Guilherme Melo de Artificial intelligence Operation and maintenance Systematic literature review ANN LSTM |
title_short |
Aplication of artificial intelligence for wind turbine operation and maintenance: proposal of framework |
title_full |
Aplication of artificial intelligence for wind turbine operation and maintenance: proposal of framework |
title_fullStr |
Aplication of artificial intelligence for wind turbine operation and maintenance: proposal of framework |
title_full_unstemmed |
Aplication of artificial intelligence for wind turbine operation and maintenance: proposal of framework |
title_sort |
Aplication of artificial intelligence for wind turbine operation and maintenance: proposal of framework |
author |
Souza, Mateus Guilherme Melo de |
author_facet |
Souza, Mateus Guilherme Melo de |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/8572625074313146 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/5936291138113637 |
dc.contributor.referees1.none.fl_str_mv |
Costa, José Alfredo Ferreira |
dc.contributor.referees1Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/9745845064013172 |
dc.contributor.referees2.none.fl_str_mv |
Rufato Júnior, Eloi |
dc.contributor.referees3.none.fl_str_mv |
Andrade, Humberto Dionísio de |
dc.contributor.referees3Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1253785596446469 |
dc.contributor.author.fl_str_mv |
Souza, Mateus Guilherme Melo de |
dc.contributor.advisor1.fl_str_mv |
Gonzalez, Mario Orestes Aguirre |
contributor_str_mv |
Gonzalez, Mario Orestes Aguirre |
dc.subject.por.fl_str_mv |
Artificial intelligence Operation and maintenance Systematic literature review ANN LSTM |
topic |
Artificial intelligence Operation and maintenance Systematic literature review ANN LSTM |
description |
O aquecimento global alertou à comunidade internacional da necessidade de uso de fontes renováveis e limpas na geração de energia elétrica. Nesse cenário, a energia eólica se encontra em expansão. Como essa fonte de geração depende de um equipamento central, o aerogerador, a sua operação e manutenção é fundamental para a viabilidade do negócio, e por isso, a aplicação de novas tecnologias, como a Inteligência Artificial, pode trazer maior competitividade do setor. O objetivo do estudo é apresentar um framework para a aplicação de Inteligência Artificial na operação e manutenção de parques eólicos. Para tanto, foi realizada uma pesquisa teórica e de campo. A pesquisa teórica considerou uma revisão tradicional da literatura e uma revisão bibliográfica sistemática. O estado da arte foi identificado pela análise detalhada de 51 artigos obtidos na Plataforma Periódicos da Capes. Foram identificados os equipamentos estudados, métodos e métricas adotadas e etapas da aplicação da IA. A pesquisa de campo foi realizada pela aplicação do framework em um parque eólico, mediante a simulação de uma aplicação de monitoramento da condição de rolamentos através da modelagem da temperatura, mediante dados SCADA. Três modelos de redes neurais foram testados: Rede Neural Feedforward, Rede Neural Autorregressiva e Long Short-Term Memory O modelo de Long Short-Term Memory apresentou a melhor performance dentre os algoritmos testados, mesmo quando comparado com outros estudos, o que mostra que ele pode ser usado para esse tipo de aplicação. O framework proposto é dividido em quatro macro-etapas: Seleção da aplicação, preparação de dados, desenvolvimento do modelo e avaliação de resultados. |
publishDate |
2020 |
dc.date.issued.fl_str_mv |
2020-12-17 |
dc.date.accessioned.fl_str_mv |
2022-04-05T22:54:29Z |
dc.date.available.fl_str_mv |
2022-04-05T22:54:29Z |
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.citation.fl_str_mv |
SOUZA, Mateus Guilherme Melo de. Aplication of artificial intelligence for wind turbine operation and maintenance: proposal of framework. 2020. 94f. Dissertação (Mestrado em Engenharia de Produção) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/46814 |
identifier_str_mv |
SOUZA, Mateus Guilherme Melo de. Aplication of artificial intelligence for wind turbine operation and maintenance: proposal of framework. 2020. 94f. Dissertação (Mestrado em Engenharia de Produção) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2020. |
url |
https://repositorio.ufrn.br/handle/123456789/46814 |
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.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/46814/1/Aplicationartificialintelligence_Souza_2020.pdf |
bitstream.checksum.fl_str_mv |
04fe3c77de9b891a73743ced48441ab3 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117893443289088 |