Aplicação de aprendizado de máquina para identificação de anomalias em geradores de energia eólica

Detalhes bibliográficos
Autor(a) principal: Souza, Gustavo Grubler de
Data de Publicação: 2023
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/253248
Resumo: TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia Elétrica.
id UFSC_e2ed456ff48b643450b1e491e2684166
oai_identifier_str oai:repositorio.ufsc.br:123456789/253248
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Aplicação de aprendizado de máquina para identificação de anomalias em geradores de energia eólicaAerogeradoresManutençãoVibraçõesAprendizado de máquinaDetecção de anomaliasWind turbinesMaintenanceVibrationsMachine learningAnomaly detectionTCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia Elétrica.As turbinas eólicas desempenham um papel importante na geração de energia renovável em todo o mundo. Devido à complexidade e à exposição a condições climáticas severas, tais turbinas estão sujeitas a desgastes e falhas, o que podem levar a paradas não planejadas, causando interrupções no fornecimento de energia e prejuízos financeiros. Para evitar estes imprevistos, a manutenção preditiva é essencial, envolvendo a identificação de possíveis anomalias antes que ocorram. Nesse sentido, este trabalho explora a detecção de anomalias como uma estratégia eficaz para identificar comportamentos fora do padrão nos dados vibracionais dos aerogeradores. Portanto, o intuito deste trabalho é aplicar técnicas existentes na literatura para classificar o estado dos componentes do aerogerador, comparando métodos e determinando qual apresenta os melhores resultados. Desta forma, foram aplicadas duas abordagens para extrair as características dos sinais de vibração, as quais foram avaliadas em três casos distintos.Wind turbines play a significant role in renewable energy generation worldwide. Due to their complexity and exposure to severe weather conditions, these turbines are susceptible to wear and tear and failure, which can lead to unplanned downtime, causing disruptions in power supply and financial losses. To prevent these incidents, predictive maintenance is essential, involving the identification of potential anomalies before they occur. In this regard, this study explores anomaly detection as an effective strategy to identify abnormal behaviors in the vibration data of wind turbines. The purpose of this research is to apply existing techniques from the literature to classify the state of wind turbine components, comparing methods and determining which yields the best results. Thus, two approaches were employed to extract features from vibration signals, which were evaluated in three different scenarios.Florianópolis, SC.Moreto, MiguelUniversidade Federal de Santa Catarina.Souza, Gustavo Grubler de2023-12-14T20:46:07Z2023-12-14T20:46:07Z2023-12-04info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesis69 f.application/pdfhttps://repositorio.ufsc.br/handle/123456789/253248Open Access.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2023-12-14T20:46:07Zoai:repositorio.ufsc.br:123456789/253248Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732023-12-14T20:46:07Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Aplicação de aprendizado de máquina para identificação de anomalias em geradores de energia eólica
title Aplicação de aprendizado de máquina para identificação de anomalias em geradores de energia eólica
spellingShingle Aplicação de aprendizado de máquina para identificação de anomalias em geradores de energia eólica
Souza, Gustavo Grubler de
Aerogeradores
Manutenção
Vibrações
Aprendizado de máquina
Detecção de anomalias
Wind turbines
Maintenance
Vibrations
Machine learning
Anomaly detection
title_short Aplicação de aprendizado de máquina para identificação de anomalias em geradores de energia eólica
title_full Aplicação de aprendizado de máquina para identificação de anomalias em geradores de energia eólica
title_fullStr Aplicação de aprendizado de máquina para identificação de anomalias em geradores de energia eólica
title_full_unstemmed Aplicação de aprendizado de máquina para identificação de anomalias em geradores de energia eólica
title_sort Aplicação de aprendizado de máquina para identificação de anomalias em geradores de energia eólica
author Souza, Gustavo Grubler de
author_facet Souza, Gustavo Grubler de
author_role author
dc.contributor.none.fl_str_mv Moreto, Miguel
Universidade Federal de Santa Catarina.
dc.contributor.author.fl_str_mv Souza, Gustavo Grubler de
dc.subject.por.fl_str_mv Aerogeradores
Manutenção
Vibrações
Aprendizado de máquina
Detecção de anomalias
Wind turbines
Maintenance
Vibrations
Machine learning
Anomaly detection
topic Aerogeradores
Manutenção
Vibrações
Aprendizado de máquina
Detecção de anomalias
Wind turbines
Maintenance
Vibrations
Machine learning
Anomaly detection
description TCC (graduação) - Universidade Federal de Santa Catarina, Centro Tecnológico, Engenharia Elétrica.
publishDate 2023
dc.date.none.fl_str_mv 2023-12-14T20:46:07Z
2023-12-14T20:46:07Z
2023-12-04
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/253248
url https://repositorio.ufsc.br/handle/123456789/253248
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Open Access.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Open Access.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 69 f.
application/pdf
dc.publisher.none.fl_str_mv Florianópolis, SC.
publisher.none.fl_str_mv Florianópolis, SC.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652398309146624

Registros relacionados