INVESTIGANDO UMA SOLUÇÃO PARA PREVISÃO DE FALHAS EM TURBINAS HIDRÁULICAS POR MEIO DE DETECÇÃO DE ANOMALIA, DEEP LEARNING E A ARQUITETURA AUTOENCODER

Resumo

Esta pesquisa apresenta uma solução baseada em redes neurais da classe deep learning, utilizando a arquitetura Autoencoder, para solucionar o problema de manutenção preditiva de falhas em turbinas hidráulicas. Foi utilizada uma base de dados fornecida por uma operadora de energia do estado de São Paulo, contendo dados, coletados por meio de sensores, relativos ao funcionamento de um equipamento e os alarmes gerados pelo sistema supervisório a partir desses dados. Foram identificados quais desses eram mais influentes para o contexto do problema. Em seguida, foi desenvolvido um modelo computacional capaz de prever falhas futuras dessa turbina, o que possibilita a realização de manutenções preditivas. Abordamos a questão sob o paradigma de Detecção de Anomalias. Nesse sentido, optamos por uma rede deep learning Autoencoder. Para implementá-la, usamos o TensorFlow 2, uma biblioteca deep learning que pode ser chamada a partir de scripts em Python.