Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/34162
Título: Uma nova abordagem para estimativa da resistência de aterramento de turbinas eólicas
Título(s) alternativo(s): Integrated approach for wind turbine grounding resistance estimation
Autor(es): Leal, Alexandre Giacomelli
Orientador(es): Lazzaretti, André Eugênio
Palavras-chave: Turbinas eólicas
Aprendizado do computador
Energia eólica
Correntes elétricas - Aterramento
Simulação (Computadores)
Algorítmos - Desenvolvimento
Wind turbines
Machine learning
Wind power
Electric currents - Grounding
Computer simulation
Algorithms - Development
Data do documento: 14-Jun-2024
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Curitiba
Citação: LEAL, Alexandre Giacomelli. Uma nova abordagem para estimativa da resistência de aterramento de turbinas eólicas. 2024. Tese (Doutorado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2024.
Resumo: O monitoramento da resistência de aterramento dos geradores de turbinas eólicas ao longo da vida útil de um parque eólico é essencial para garantir a segurança do pessoal e dos equipamentos nessas instalações. No entanto, os métodos convencionais usados para medir a resistência de aterramento apresentam desafios durante inspeções periódicas de parques eólicos devido à sua complexidade e aos altos custos associados. Neste estudo, foi realizada uma revisão sistemática para avaliar os benefícios e limitações de vários métodos de medição de resistência de aterramento e identificar lacunas no estado da arte. A investigação destacou as vantagens práticas e de segurança do Método do Alicate Terrômetro (MAT) em relação a outras abordagens. No entanto, a aplicação direta das medições do MAT para avaliar a resistência de aterramento da turbina é prejudicada por significativos erros metodológicos. Para resolver esse problema, foi proposta uma solução inovadora que utiliza simulações computacionais e técnicas de aprendizado de máquina para minimizar os erros associados às medições do MAT em parques eólicos. Ao treinar um modelo de aprendizado de máquina usando dados simulados do MAT no sistema de aterramento do parque eólico, incluindo cenários com valores de resistência de aterramento mais altos indicativos da necessidade de manutenção corretiva, a abordagem prevê com precisão os valores de resistência de aterramento da turbina a partir das leituras do alicate durante inspeções de rotina. Uma vez treinado e validado, o modelo de aprendizado de máquina pode fazer previsões em verificações futuras ao longo da vida útil da instalação, desde que não haja mudanças em seu projeto de aterramento. Em um estudo de caso utilizando um sistema de aterramento de um complexo eólico brasileiro, foi realizada uma análise comparativa entre os erros na aplicação direta do MAT e os da solução proposta. Além disso, a solução proposta foi comparada com o método de alta frequência, revelando uma redução de 58,2% do erro das estimativas. Este avanço não apenas aumenta a segurança, mas também simplifica os aspectos organizacionais da configuração de teste. Além disso, o método proposto reduziu substancialmente o tempo de execução da medição em 80% em comparação com abordagens convencionais, preenchendo uma lacuna crítica ao estimar com precisão valores mais altos de resistência de aterramento cruciais para diagnosticar processos de deterioração do solo ou dos eletrodos. Outrossim, uma validação experimental em um sistema multi-aterrado similar a de um parque eólico confirma ainda mais a credibilidade da metodologia proposta. Ao comparar as estimativas com aquelas obtidas por meio de métodos convencionais, o estudo demonstrou a eficácia e confiabilidade da abordagem, mesmo em ambientes práticos.
Abstract: Monitoring the grounding resistance of wind turbine generators over the lifespan of a wind farm is essential for ensuring the safety of personnel and equipment at such facilities. However, conventional methods used for measuring grounding resistance pose challenges in onshore wind farms’ routine maintenance due to their complexity and associated high costs. In this study, a systematic review was conducted to assess the benefits and limitations of various ground resistance measurement methods and to identify gaps in current research. The investigation highlighted the practicality and safety advantages of the Clamp-on Ground Meter Method (CGM) over other approaches. Nevertheless, the direct application of CGM measurements to assess turbine ground resistance is hindered by significant methodological errors. To address this issue, a novel solution leveraging computational simulations and machine learning techniques was proposed to minimize errors associated with CGM measurements in wind farms. By training a machine learning model using simulated CGM data on the wind farm grounding system, including scenarios with unforeseen higher ground resistance values indicative of corrective maintenance needs, the approach accurately predicts turbine ground resistance values from clampon meter readings during routine inspections. Once trained and validated, the machine learning model can make predictions in future checks throughout the installation’s lifetime, assuming no changes to its grounding project. In a case study utilizing a grounding system from a Brazilian complex, a comparative analysis was conducted between errors in CGM direct application and those of the proposed solution. Additionally, the proposed solution was juxtaposed with the widespread high-frequency method, revealing a 58.2% reduction in estimation errors. This advancement not only enhances security but also simplifies organizational aspects. Moreover, the proposed method substantially reduced measurement execution time by 80% compared to conventional approaches, addressing a critical gap by accurately estimating higher ground resistance values crucial for diagnosing soil or electrode deterioration processes. Furthermore, an experimental validation on a multi-grounded system similar to a wind farm further confirms the credibility of the proposed methodology. By comparing estimates with those obtained through conventional methods, the study demonstrated the effectiveness and reliability of the approach, even in practical environments.
URI: http://repositorio.utfpr.edu.br/jspui/handle/1/34162
Aparece nas coleções:CT - Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
resistenciaaterramentoturbinaseolicas.pdf13,35 MBAdobe PDFThumbnail
Visualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons