Métodos de aprendizado de máquina para monitoramento de condição de turbinas eólicas: Uma revisão

Este artigo revisa a literatura recente sobre modelos de aprendizado de máquina (ML) que têm sido usados para monitoramento de condição em turbinas eólicas (por exemplo, detecção de falhas nas lâminas ou monitoramento da temperatura do gerador). Classificamos esses modelos por etapas típicas de ML, incluindo fontes de dados, seleção e extração de características, seleção de modelo (classificação, regressão), validação e tomada de decisão. Nossos achados mostram que a maioria dos modelos utiliza dados SCADA ou simulados, com quase dois terços dos métodos utilizando classificação e o restante dependendo de regressão. Redes neurais, máquinas de vetor de suporte e árvores de decisão são os mais comumente utilizados. Concluímos com uma discussão sobre as principais áreas para trabalhos futuros neste domínio.