Ανίχνευση Ανωμαλιών σε Ανεμογεννήτριες με Τεχνητή Νοημοσύνη μέσω Πρόβλεψης Δεικτών Απόδοσης

Abstract

Η παρούσα διπλωματική εργασία ασχολείται με το πως η τεχνητή νοημοσύνη μπορεί να βοηθήσει στην πρόβλεψη της απόδοσης και στον έγκαιρο εντοπισμό πιθανών βλαβών και ανωμαλιών στη λειτουργία ανεμογεννητριών. Η ανάπτυξη του θέματος γίνεται σε πέντε κεφάλαια. Για την υλοποίησή της χρησιμοποιήθηκαν πραγματικά δεδομένα λειτουργίας ενός έτους, τα οποία συλλέχτηκαν ανά δέκα λεπτά και περιλαμβάνουν βασικές μετρήσεις όπως ταχύτητα ανέμου, παραγόμενη ισχύ και άλλες παραμέτρους λειτουργίας. Στο πρώτο κεφάλαιο παρουσιάζονται οι βασικές έννοιες των Ανανεώσιμων Πηγών Ενέργειας, η σημασία της αιολικής ενέργειας μέχρι σήμερα και γίνεται μια αναφορά τόσο στην ανθρώπινη όσο και στην τεχνητή νοημοσύνη γενικότερα. Στο δεύτερο κεφάλαιο γίνεται αναφορά στη λειτουργία των ανεμογεννητριών, στις τεχνολογίες που τις υποστηρίζουν καθώς και σε βασικές αρχές μηχανικής μάθησης που αξιοποιούνται για τη δημιουργία μοντέλων μηχανικής μάθησης. Στο τρίτο κεφάλαιο περιγράφεται η μεθοδολογία που ακολουθήθηκε, δηλαδή η συλλογή, η επεξεργασία των δεδομένων, καθώς και τα βήματα εκπαίδευσης των μοντέλων με τους κατάλληλους δείκτες ελέγχου και όλες οι τροποποιήσεις που χρειάστηκαν για να λειτουργήσει το μοντέλο. Το τέταρτο κεφάλαιο παρουσιάζει αναλυτικά και με σχόλια τα αποτελέσματα που προέκυψαν από τα δύο μοντέλα που αναπτύχθηκαν και πραγματοποιείται η αξιολόγηση τους. Στο πέμπτο κεφάλαιο συνοψίζονται τα συμπεράσματα και συζητόυνται οι δυνατότητες βελτίωσης και μελλοντικής εξέλιξης. Συνολικά, η εργασία αναδεικνύει πώς η αξιοποίηση των τεχνικών μηχανικής μάθησης μπορεί να βελτιώσει την αποδοτικότητα, την αξιοπιστία και την ασφάλεια των συστημάτων αιολικής ενέργειας, προσφέροντας μια χρήσιμη βάση για μελλοντικές εφαρμογές και επεκτάσεις.