ESTRATÉGIAS DE O&M UTILIZADAS NA GESTÃO DE DESEMPENHO DOS PARQUES EÓLICAS, EM TEMPO REAL, PÓS OPERAÇÃO E ENGENHARIA DE MANUTENÇÃO NO CURTO E MÉDIO PRAZO, MOSTRANDO OS RESULTADOS OBTIDOS COM A UTILIZAÇÃO DE BIGDATA, BUSINESS INTELLIGENCE E MACHINE LEARNING
No setor de energias renováveis, mais precisamente na geração de energia eólica, ferramentas computacionais aliadas a estratégias de O&M tem sido cada vez mais foco de estudos e investimentos. Esse informe apresenta algumas ferramentas computacionais e estratégias de O&M utilizadas na gestão de desempenho de parques eólicos, em Tempo Real, Pós Operação e Engenharia de Manutenção no curto e médio prazo, mostrando os resultados obtidos com a utilização de Big Data, Business Intelligence (BI) e Machine Learning (ML).
ESTRATÉGIAS DE O&M UTILIZADAS NA GESTÃO DE DESEMPENHO DOS PARQUES EÓLICAS, EM TEMPO REAL, PÓS OPERAÇÃO E ENGENHARIA DE MANUTENÇÃO NO CURTO E MÉDIO PRAZO, MOSTRANDO OS RESULTADOS OBTIDOS COM A UTILIZAÇÃO DE BIGDATA, BUSINESS INTELLIGENCE E MACHINE LEARNING
-
DOI: 10.22533/at.ed.6882007075
-
Palavras-chave: Business Inteligence, Aprendizagem de máquina, Machine Learning, Geração eólica.
-
Keywords: Business Inteligence, Machine Learning, Wind Energy Generation
-
Abstract:
In the renewable energy sector, more specifically in the generation of wind energy, computational tools combined with O&M strategies have been increasingly the focus of studies and investments. This report presents some computational tools and O&M strategies used in the performance management of wind farms, in Real Time, Post Operation and Maintenance Engineering in the short and medium term, showing the results obtained with the use of Big Data, Business Intelligence (BI ) and Machine Learning (ML).
-
Número de páginas: 10
- Flávio Martins Ribeiro
- Marcus Antonius Queiroz da Cunha
