Comitês Multi-Agentes de Redes Neurais Artificiais para Monitoramento de Condições e Saúde de Turbinas Eólicas
Sistemas Multi-Agentes (SMA), Redes Neurais Artificiais (RNA), Prevenção de Falso Alarmes, FMEA, Monitoramento de Ativos, Gestão de Ativos.
Essa proposta de tese apresenta uma nova estratégia para o monitoramento das condições de saúde e de funcionamento em turbinas eólicas para períodos curto, médio e longo. Foi desenvolvido um programa usando a linguagem de programação Java através de uma plataforma para desenvolvimento de agentes inteligentes conhecida como Plataforma de Desenvolvimento de Agentes Java (JADE, do inglês "Java Agent DEvelopment Framework") com múltiplos agentes para processar os sinais de medições de sensores colocados em uma turbina eólica que são continuamente armazenados em um banco de dados. Para escolher de forma conveniente quais os sinais a serem processados por cada agente e quais sinais compõem as entradas dos modelos foi realizada uma Análise dos Efeitos em Modo de Falha (FMEA, do inglês "Fault Analysis and Effect Analysis"). Os agentes de monitoramento foram distribuídos entre alguns subsistemas da turbina eólica e verificou-se que os agentes podem ser integrados em comitês para aproveitar a capacidade de estimativa dos modelos como forma de verificar o desempenho dos outros modelos que compartilham sinais comuns em suas entradas, esta estratégia pode reduzir significativamente a quantidade de alarmes falsos. Estas estratégias representa um passo adicional ao apresentado pelo estado da arte. Os agentes acessam um banco de dados e carregam modelos treinados em MATLAB® de redes neurais artificiais, para as condições de operação normal, ou seja, sem que os equipamentos apresentem problemas de operação ou representa apenas uma fração muito pequena do total de amostras de treinamento. Para selecionar os sinais de entrada para cada agente uma Análise de Efeitos em Modo de Falha foi realizada.