Diagnostic Prédictif des Défauts Dans un Système Eolien en Utilisant les Techniques de l’intelligence Artificielle

Abstract

Le domaine de production de l’électricité en utilisant des sources renouvelables est en progrès continu, les systèmes éoliens de leurs parts suivent cette tendance et ils ont connu un développement révolutionnaire pendant les dix dernières années. Similairement à tous les systèmes industriels, les éoliennes sont fréquemment exposées aux défaillances menant à une panne ou à un endommagement affectant leurs bons fonctionnements. Dans ce mémoire une approche de diagnostic de défauts basée sur les techniques d’apprentissage automatique est appliquée afin de détecter et d’isoler les défauts actionneurs de pitch système dans une éolienne, il s’agit de l’algorithme de classification supervisé KPPV. Les résultats expérimentaux sont obtenus en utilisant un Benchmark représentant le fonctionnement d’une éolienne sur MATLAB/Simulink qui approuve l’efficacité et la robustesse de l’approche proposé.