MONITORAMENTO DE SISTEMAS DE ENERGIA RENOVÁVEL ATRAVÉS DE APRENDIZADO DE MÁQUINA MULTIOBJETIVO

INTRODUÇÃO: Com a ascensão de energias renováveis o monitoramento da saúde daspeças dos geradores se torna de maior importância, dito isso, as técnicas deaprendizado de máquina multiobjetivo possuem embasamento teórico solido,viabilizando sua aplicação para classificar a presença de rachaduras na estrutura depás de aerogerador. Assim, faz-se possível monitorar estruturas de forma adequadacom um viés multicritério, de modo a otimizar concomitantemente tanto o desempenho,quanto o custo computacional (hardware). OBJETIVOS: Dessa forma, o presente artigo objetivadesenvolvimento de sistemas de monitoramento de pás de aerogeradores, sendopossível através da previsão do modelo de IA prever a presença ou não de rachadurasna estrutura. MATERIAIS E MÉTODO: Para isso, é utilizado um banco de dados que foicriado ao ser desenvolvido um modelo em escala reduzida de uma pá de aerogerador,com a presença de diversos acelerômetros na estrutura foi possível extrair dados apartir de diversas simulações de situações reais que uma pá em escala real estariasubmetida, estes dados são utilizados para treinar modelos MOEMS e MOEMC, a fimde realizar a análise do desempenho destes frente ao problema. RESULTADOS: Aosubmeter ambas as técnicas a diversos treinamentos, foi extraído então umdesempenho médio esperado de cada algoritmo, ambos possuindo comportamentosdistintos, com variâncias bem diferentes o MOEMC se destaca com resultados maisconsistentes e robustos. Apesar de ambos conseguirem atingir erros baixos, oMOEMS apresentou uma variância maior no decorrer de múltiplas execuções. CONSIDERAÇÕES FINAIS: As diferenças de variância presente entre os algoritmos, evidencia umamaior inclinação de técnicas MOEMC para uma solução mais robusta do problema,atingindo números de erros próximos entre as múltiplas execuções de treinamento,enquanto a técnica MOEMS apesar de possuir erros baixos encontra-se com umamaior variância.

PALAVRAS-CHAVE: MOEMS; MOEMC; Otimização Multi-Objetivo; SHM; Monitoramento de estruturas.