Estudo de caso sobre o uso de algoritmo com aprendizado de máquina para detecção de desvio operacional em ativos de geração elétrica e soluções IIoT

• Ano de defesa: 2020
• Autor(a) principal: Oliveira, Mateus Nicoladelli de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Engenharia elétrica; Redes neurais (Computação); Internet das coisas
• Link de acesso: https://repositorio.udesc.br/handle/UDESC/14945

Conhecer o real status operacional dos ativos de uma frota é desafiador e altamente desejável, isso pode maximizar o tempo entre paradas inesperadas e melhorar o desempenho da frota. Atualmente, a maioria dos ativos de elevado valor agregado, como é o caso de aerogeradores e hidrogeradores, possuem dispositivos para retirar o equipamento de serviço em caso de problemas severos como temperatura elevada e vibração excessiva. Em geral, estes dispositivos são incapazes de identificar um desvio operacional incipiente, que no médio-longo prazo pode causar um desligamento repentino ou período de indisponibilidade. Com objetivo de propor uma solução conceitual com algoritmo de aprendizado de máquina e identificar os principais players neste segmento, uma breve pesquisa bibliografia e de patentes é apresentada. Neste estudo, é proposto um workflow para orientar o processo de criação de tal algoritmo, com foco na detecção de desvio operacional em uma aplicação industrial, a partir dos dados do sistema SCADA(Supervisory Control and Data Acquisition). Para avaliar o workflow proposto, é construído um modelo de classificação e outro de regressão, o primeiro aplica um Random Forest para identificar o padrão operacional de um hidrogerador. O segundo, uma rede neural artificial configurada como regressor, para emular a temperatura do estator de um aerogerador, o que é explorado como indicador de anormalidade. A rede utilizada foi a TLFN focada(Focused Time Lagged Feedforward Network). O workflow proposto neste estudo usa a metodologia CRISP-DM como referência, indicando um fluxo de etapas bem definido para organizar os dados e a elaboração do algoritmo. Adicionalmente, são mostradas as áreas de competência e interface entre elas, algo observado como relevante durante o desenvolvimento deste trabalho. Os resultados obtidos mostram que a abordagem proposta e aplicada pode ser uma boa ferramenta para detecção de desvio operacional em séries temporais multivariadas, o que é comum em ativos industriais.