Diagnóstico de falhas em componentes de turbinas eólicas através da aplicação de quantificadores da teoria da informação
Ano de defesa: | 2018 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Tese |
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/123456789/31677 |
Resumo: | As restrições ambientais mundiais devido ao aquecimento global exigem que a nova energia elétrica demandada seja provida por fontes renováveis. A energia eólica é atualmente uma das fontes mais utilizadas para suprir a essa demanda, devido a fatores como elevado fator de capacidade, baixo impacto ambiental e custo competitivo. Dessa forma, milhares de turbinas eólicas vem sendo instaladas no mundo todo e o Brasil vem ocupando um lugar de destaque na lista (6º lugar capacidade adicional instalada em 2017 e 8º lugar em capacidade instalada total) das maiores capacidades instaladas totalizando mais de 12.000 MW. Isso implica que, apenas no Brasil mais de 6.500 turbinas se encontrem em operação. A operação manutenção dessas máquinas impõem um grande desafio técnico, pois as turbinas eólicas estão entre as maiores máquinas rotativas em operação na atualidade e operam em condições bastante severas. A manutenção preditiva por análise de vibração vem se tornando padrão no setor, porém estudos recentes mostram que ainda não existem técnicas consolidados para o monitoramento dessas máquinas seja pela complexidade operacional das mesmas, seja pela dificuldade de representação precisa e confiável de modelos físicos que modelem o seu funcionamento. Este trabalho tem por objetivo propor novas técnicas de monitoramento dos equipamentos críticos de turbinas eólicas (rolamento principal, caixa de engrenagens e gerador) através da detecção e diagnóstico de falhas através do uso de quantificadores baseados na teoria da informação, como entropia da informação, divergência, complexidade estatística e informação de Fisher. Para o cálculo desses quantificadores é necessária a determinação prévia de uma função de massa de probabilidade e nesse trabalho foram propostas técnicas oriundas do domínio do tempo, método da permutação de padrões, domínio da frequência, espectro de potência, e do domínio tempo-frequência, wavelet packet tree e ensenmble empirical mode decomposition. A metodologia proposta foi aplicada a quatro diferentes bancos de dados, partindo-se de dados totalmente sintéticos sem ligação com a falha, passando por dados sintéticos gerados a partir do conceito de cicloestacionariedade, e finalmente aplicando-a a dados reais de teste de bancada de final de vida de rolamentos e a dados reais de uma caixa de engrenagem de uma turbina eólica. Os resultados mostram que os quantificadores propostos foram capazes de identificar as falhas em seu estágio incipiente em todos os conjuntos de dados. O estudo mostrou que essas novas técnicas são efetivas na identificação de mudança no comportamento dinâmico das séries temporais, que estão intimamente ligadas a ocorrência de falhas nos componentes mecânicas. Dessa forma, a utilização das técnicas propostas de forma complementar às técnicas padrão no domínio do tempo e no domínio da frequência potencializaria a detecção das falhas em estágio incipiente fornecendo tempo suficiente para o planejamento das ações corretivas. |
id |
UFPE_33acff9321e409785693d54eace1cd0a |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/31677 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
|
spelling |
LEITE, Gustavo de Novaes Pireshttp://lattes.cnpq.br/7705065437695677http://lattes.cnpq.br/5905967201590284ARAÚJO, Alex MaurícioROSAS, Pedro André Carvalho2019-08-08T17:57:43Z2019-08-08T17:57:43Z2018-06-19https://repositorio.ufpe.br/handle/123456789/31677As restrições ambientais mundiais devido ao aquecimento global exigem que a nova energia elétrica demandada seja provida por fontes renováveis. A energia eólica é atualmente uma das fontes mais utilizadas para suprir a essa demanda, devido a fatores como elevado fator de capacidade, baixo impacto ambiental e custo competitivo. Dessa forma, milhares de turbinas eólicas vem sendo instaladas no mundo todo e o Brasil vem ocupando um lugar de destaque na lista (6º lugar capacidade adicional instalada em 2017 e 8º lugar em capacidade instalada total) das maiores capacidades instaladas totalizando mais de 12.000 MW. Isso implica que, apenas no Brasil mais de 6.500 turbinas se encontrem em operação. A operação manutenção dessas máquinas impõem um grande desafio técnico, pois as turbinas eólicas estão entre as maiores máquinas rotativas em operação na atualidade e operam em condições bastante severas. A manutenção preditiva por análise de vibração vem se tornando padrão no setor, porém estudos recentes mostram que ainda não existem técnicas consolidados para o monitoramento dessas máquinas seja pela complexidade operacional das mesmas, seja pela dificuldade de representação precisa e confiável de modelos físicos que modelem o seu funcionamento. Este trabalho tem por objetivo propor novas técnicas de monitoramento dos equipamentos críticos de turbinas eólicas (rolamento principal, caixa de engrenagens e gerador) através da detecção e diagnóstico de falhas através do uso de quantificadores baseados na teoria da informação, como entropia da informação, divergência, complexidade estatística e informação de Fisher. Para o cálculo desses quantificadores é necessária a determinação prévia de uma função de massa de probabilidade e nesse trabalho foram propostas técnicas oriundas do domínio do tempo, método da permutação de padrões, domínio da frequência, espectro de potência, e do domínio tempo-frequência, wavelet packet tree e ensenmble empirical mode decomposition. A metodologia proposta foi aplicada a quatro diferentes bancos de dados, partindo-se de dados totalmente sintéticos sem ligação com a falha, passando por dados sintéticos gerados a partir do conceito de cicloestacionariedade, e finalmente aplicando-a a dados reais de teste de bancada de final de vida de rolamentos e a dados reais de uma caixa de engrenagem de uma turbina eólica. Os resultados mostram que os quantificadores propostos foram capazes de identificar as falhas em seu estágio incipiente em todos os conjuntos de dados. O estudo mostrou que essas novas técnicas são efetivas na identificação de mudança no comportamento dinâmico das séries temporais, que estão intimamente ligadas a ocorrência de falhas nos componentes mecânicas. Dessa forma, a utilização das técnicas propostas de forma complementar às técnicas padrão no domínio do tempo e no domínio da frequência potencializaria a detecção das falhas em estágio incipiente fornecendo tempo suficiente para o planejamento das ações corretivas.Environmental restrictions due to global warming effects require the installation of renewable energy sources to meet the new demanded electrical energy. Wind energy is one of the most used sources due to factors such as high capacity factor, low environmental impacts and competitive costs. Thousands of wind turbines are installed yearly worldwide, and Brazil is taking an important role in the new installations (the country occupied the 6th place on the 2017 new added capacity and is actually the 8th in the list of the countries with more wind energy installed capacity). Only in Brazil, which has more than 12.000 MW installed capacity, more than 6.500 are up and running. Operation and maintenance of wind turbine is a technically challenging task because they are amongst the biggest rotating machines and run in very harsh conditions. Predictive maintenance through vibration analysis is becoming the standard in the area. However, there is still no consolidated technique for its monitoring either due to its complex operation or due to the difficulties in representing models for detection of faults in a precise and reliable way. This work aims to present new techniques for the monitoring of the critical wind turbine components (main bearings, gearbox and generator) through the use of information theory quantifiers, such as entropy, divergence, statistical complexity and Fisher’s information. The probability mass function is the required input for the calculation of these quantifiers, and this work has extracted these functions from the time domain, via ordinal pattern distribution method, the frequency domain, via power spectral density technique and from the time-frequency domain, wavelet packet tree and ensemble empirical mode decomposition methods. The proposed methodology has been applied to four different datasets, ranging from synthetic one without link the physics of the phenomenon, then another one from the cyclostationarity techniques which present a link to the physics of the faults in bearings, and later to real datasets from a whole life benchmarking test of a rolling bearing and finally to wind turbine gearbox data. Results show that the proposed quantifiers were able to detect faults in its incipient stage in all datasets types. This study shows that these new techniques are effective in identifying changes in the dynamical behaviour of time waveforms. Thus, the use of the proposed quantifiers would complement the standard time and frequency domain techniques to potentialize the detection and diagnosis of faults in mechanical components providing ahead sufficient time to plan the correction actions.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Engenharia MecanicaUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessEngenharia MecânicaTeoria da informaçãoEntropia da informaçãoDivergênciaTurbina eólicaManutenção preditivaDiagnóstico de falhas em componentes de turbinas eólicas através da aplicação de quantificadores da teoria da informaçãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisdoutoradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALTESE Gustavo de Novaes Pires Leite.pdfTESE Gustavo de Novaes Pires Leite.pdfapplication/pdf6201151https://repositorio.ufpe.br/bitstream/123456789/31677/1/TESE%20Gustavo%20de%20Novaes%20Pires%20Leite.pdfea3fd34f564fe43caefcc45f70eebed2MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82311https://repositorio.ufpe.br/bitstream/123456789/31677/3/license.txt4b8a02c7f2818eaf00dcf2260dd5eb08MD53CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/31677/4/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD54TEXTTESE Gustavo de Novaes Pires Leite.pdf.txtTESE Gustavo de Novaes Pires Leite.pdf.txtExtracted texttext/plain227856https://repositorio.ufpe.br/bitstream/123456789/31677/5/TESE%20Gustavo%20de%20Novaes%20Pires%20Leite.pdf.txt2fe55e2b7ff81a77808326913e421915MD55THUMBNAILTESE Gustavo de Novaes Pires Leite.pdf.jpgTESE Gustavo de Novaes Pires Leite.pdf.jpgGenerated Thumbnailimage/jpeg1325https://repositorio.ufpe.br/bitstream/123456789/31677/6/TESE%20Gustavo%20de%20Novaes%20Pires%20Leite.pdf.jpgfceeb7c924c91d6681d0e6607018741eMD56123456789/316772019-10-25 02:26:16.433oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-25T05:26:16Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Diagnóstico de falhas em componentes de turbinas eólicas através da aplicação de quantificadores da teoria da informação |
title |
Diagnóstico de falhas em componentes de turbinas eólicas através da aplicação de quantificadores da teoria da informação |
spellingShingle |
Diagnóstico de falhas em componentes de turbinas eólicas através da aplicação de quantificadores da teoria da informação LEITE, Gustavo de Novaes Pires Engenharia Mecânica Teoria da informação Entropia da informação Divergência Turbina eólica Manutenção preditiva |
title_short |
Diagnóstico de falhas em componentes de turbinas eólicas através da aplicação de quantificadores da teoria da informação |
title_full |
Diagnóstico de falhas em componentes de turbinas eólicas através da aplicação de quantificadores da teoria da informação |
title_fullStr |
Diagnóstico de falhas em componentes de turbinas eólicas através da aplicação de quantificadores da teoria da informação |
title_full_unstemmed |
Diagnóstico de falhas em componentes de turbinas eólicas através da aplicação de quantificadores da teoria da informação |
title_sort |
Diagnóstico de falhas em componentes de turbinas eólicas através da aplicação de quantificadores da teoria da informação |
author |
LEITE, Gustavo de Novaes Pires |
author_facet |
LEITE, Gustavo de Novaes Pires |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/7705065437695677 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/5905967201590284 |
dc.contributor.author.fl_str_mv |
LEITE, Gustavo de Novaes Pires |
dc.contributor.advisor1.fl_str_mv |
ARAÚJO, Alex Maurício |
dc.contributor.advisor-co1.fl_str_mv |
ROSAS, Pedro André Carvalho |
contributor_str_mv |
ARAÚJO, Alex Maurício ROSAS, Pedro André Carvalho |
dc.subject.por.fl_str_mv |
Engenharia Mecânica Teoria da informação Entropia da informação Divergência Turbina eólica Manutenção preditiva |
topic |
Engenharia Mecânica Teoria da informação Entropia da informação Divergência Turbina eólica Manutenção preditiva |
description |
As restrições ambientais mundiais devido ao aquecimento global exigem que a nova energia elétrica demandada seja provida por fontes renováveis. A energia eólica é atualmente uma das fontes mais utilizadas para suprir a essa demanda, devido a fatores como elevado fator de capacidade, baixo impacto ambiental e custo competitivo. Dessa forma, milhares de turbinas eólicas vem sendo instaladas no mundo todo e o Brasil vem ocupando um lugar de destaque na lista (6º lugar capacidade adicional instalada em 2017 e 8º lugar em capacidade instalada total) das maiores capacidades instaladas totalizando mais de 12.000 MW. Isso implica que, apenas no Brasil mais de 6.500 turbinas se encontrem em operação. A operação manutenção dessas máquinas impõem um grande desafio técnico, pois as turbinas eólicas estão entre as maiores máquinas rotativas em operação na atualidade e operam em condições bastante severas. A manutenção preditiva por análise de vibração vem se tornando padrão no setor, porém estudos recentes mostram que ainda não existem técnicas consolidados para o monitoramento dessas máquinas seja pela complexidade operacional das mesmas, seja pela dificuldade de representação precisa e confiável de modelos físicos que modelem o seu funcionamento. Este trabalho tem por objetivo propor novas técnicas de monitoramento dos equipamentos críticos de turbinas eólicas (rolamento principal, caixa de engrenagens e gerador) através da detecção e diagnóstico de falhas através do uso de quantificadores baseados na teoria da informação, como entropia da informação, divergência, complexidade estatística e informação de Fisher. Para o cálculo desses quantificadores é necessária a determinação prévia de uma função de massa de probabilidade e nesse trabalho foram propostas técnicas oriundas do domínio do tempo, método da permutação de padrões, domínio da frequência, espectro de potência, e do domínio tempo-frequência, wavelet packet tree e ensenmble empirical mode decomposition. A metodologia proposta foi aplicada a quatro diferentes bancos de dados, partindo-se de dados totalmente sintéticos sem ligação com a falha, passando por dados sintéticos gerados a partir do conceito de cicloestacionariedade, e finalmente aplicando-a a dados reais de teste de bancada de final de vida de rolamentos e a dados reais de uma caixa de engrenagem de uma turbina eólica. Os resultados mostram que os quantificadores propostos foram capazes de identificar as falhas em seu estágio incipiente em todos os conjuntos de dados. O estudo mostrou que essas novas técnicas são efetivas na identificação de mudança no comportamento dinâmico das séries temporais, que estão intimamente ligadas a ocorrência de falhas nos componentes mecânicas. Dessa forma, a utilização das técnicas propostas de forma complementar às técnicas padrão no domínio do tempo e no domínio da frequência potencializaria a detecção das falhas em estágio incipiente fornecendo tempo suficiente para o planejamento das ações corretivas. |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018-06-19 |
dc.date.accessioned.fl_str_mv |
2019-08-08T17:57:43Z |
dc.date.available.fl_str_mv |
2019-08-08T17:57:43Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/31677 |
url |
https://repositorio.ufpe.br/handle/123456789/31677 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.publisher.program.fl_str_mv |
Programa de Pos Graduacao em Engenharia Mecanica |
dc.publisher.initials.fl_str_mv |
UFPE |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/31677/1/TESE%20Gustavo%20de%20Novaes%20Pires%20Leite.pdf https://repositorio.ufpe.br/bitstream/123456789/31677/3/license.txt https://repositorio.ufpe.br/bitstream/123456789/31677/4/license_rdf https://repositorio.ufpe.br/bitstream/123456789/31677/5/TESE%20Gustavo%20de%20Novaes%20Pires%20Leite.pdf.txt https://repositorio.ufpe.br/bitstream/123456789/31677/6/TESE%20Gustavo%20de%20Novaes%20Pires%20Leite.pdf.jpg |
bitstream.checksum.fl_str_mv |
ea3fd34f564fe43caefcc45f70eebed2 4b8a02c7f2818eaf00dcf2260dd5eb08 e39d27027a6cc9cb039ad269a5db8e34 2fe55e2b7ff81a77808326913e421915 fceeb7c924c91d6681d0e6607018741e |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1797782341976850432 |