Detalhes bibliográficos
| Ano de defesa: |
2016 |
| Autor(a) principal: |
PEDROSA, Guilherme Tenório Maciel da Cunha |
| Orientador(a): |
ROSAS, Pedro André Carvalho |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal de Pernambuco
|
| Programa de Pós-Graduação: |
Programa de Pos Graduacao em Engenharia Mecanica
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.ufpe.br/handle/123456789/22218
|
Resumo: |
Aerogeradores modernos são capazes de coletar e armazenar uma enorme quantidade de informações graças ao sistema de controle supervisório e aquisição de dados (SCADA) neles comumente embarcados. Esses dados são, porém, muitas vezes negligenciados em lugar de empregados em prol da otimização das tarefas de operação, manutenção e maximização de performance das centrais eólicas. Com vistas a explorar ao máximo as informações provenientes do sistema SCADA, este trabalho estabelece um sistema de detecção e diagnóstico de falhas relativas à potência ativa do aerogerador. Desvios de potência são detectados por meio da comparação entre dados observacionais da potência ativa e saídas de modelos uni e multivariáveis. Caso detectados, os desvios na potência são submetidos a um método de diagnóstico inovador baseado na informação mútua entre variáveis do SCADA e os próprios desvios. Tal método tem como objetivo indicar as variáveis do SCADA que melhor explicam os desvios de potência ativa. O sistema de detecção e diagnóstico de falhas aqui proposto foi aplicado a dois estudos de caso utilizando-se de dados observacionais de aerogeradores reais de uma dada central eólica, cedidos em regime de confidencialidade pela empresa proprietária da central. A validação dos modelos se dá através da comparação entre seus resultados e os metadados do livro de ocorrências da central eólica. É observado que o método de detecção de falhas foi capaz de identificar até 100% dos dados com falha para um dos casos apresentados, apesar de apresentar dificuldades na detecção de pequenas variações de potência no segundo caso, detectando apenas 47,18% dos dados com falha. Contudo, o novo método de diagnóstico se mostrou eficaz em apontar as variáveis com maior possibilidade de explicar as variações da potência, mesmo para falhas similares. As variáveis que se destacaram coincidiram com a causa raiz dos problemas apresentados segundo o livro de ocorrências da central eólica. |
