Diagnóstico de falhas em componentes de turbinas eólicas através da aplicação de quantificadores da teoria da informação

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. 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.