Percorrer por data de Publicação, começado por "2026-05-12"
A mostrar 1 - 2 de 2
Resultados por página
Opções de ordenação
- Modelação estatística aplicada à avaliação da condição de turbinas eólicas com base em dados SCADAPublication . Nhantingo, José Jonas; Carvalho, Alda; Silva, Tiago Alexandre Narciso daA monitorização do estado de turbinas eólicas a partir de dados SCADA, constitui um desafio significativo devido à elevada variabilidade operacional, à natureza não estacionária dos regimes do vento e à ausência de registos históricos de falhas devidamente rotulados. Neste contexto, este trabalho propõe uma abordagem probabilística integrada para a modelação do estado de condição de turbinas eólicas sob incerteza, combinando regressão quantílica e modelos bayesianos orientados à detecção de novidade. O termo “deteção de novidade” foi adoptado na formulação de Bishop (1994), uma vez que o objetivo central não é era identificação de falhas previamente conhecidas, mas sim a identificação de padrões de comportamento que se desviam do regime normal aprendido, podendo ou não estar associados a condições de degradação ou falha. Esta formulação permite uma abordagem mais robusta e flexível, especialmente adequada a ambientes industriais onde a definição explícita de classes de falha é limitada ou inexistente. Neste trabalho assume-se que não há informação prévia fiável sobre a frequência relativa de falhas, devido à ausência de registos históricos completos e de rotulagem supervisionada nos dados SCADA. Numa primeira etapa, a regressão quantílica é aplicada à curva de potência com o objectivo de caracterizar o comportamento operacional esperado da turbina em diferentes regimes de vento, permitindo a definição de bandas estatísticas de funcionamento normal por meio de quantis inferior e superior. Esta etapa possibilita uma pré-classificação robusta de dados SCADA, mitigando os efeitos de heterocedasticidade, valores extremos e elevada variabilidade operacional. Com base neste enquadramento, o problema de controlo de condição é formulado como um problema de classificação binária, no qual o estado de saúde da turbina é modelado como uma variável latente. São então aplicados e comparados três modelos estatísticos para estimar a verosimilhança dos dados sob hipótese de funcionamento normal: (i) um método dos bins baseado em intervalos de velocidade do vento e limites quantílicos, (ii) modelos baseados na distribuição normal multivariada e (iii) modelos de cópulas, incluindo as cópulas Gaussianas e t-Student, considerando versões estáticas e com actualização temporal. Assumindo probabilidades a priori uniformes, a decisão de classificação baseia-se exclusivamente na improbabilidade conjunta das observações face ao regime operacional saudável, seguindo o princípio de detecção de novidade. O desempenho dos métodos é avaliado por meio de métricas estatísticas clássicas de classificação, permitindo uma comparação sistemática da sua capacidade de identificar estados normais e anómalos. Os resultados mostraram que métodos simples baseados em limiares por bins são insuficientes para captar a complexidade das dependências multivariadas dos dados SCADA. Em contraste, os modelos probabilísticos multivariados apresentam melhorias significativas em métricas como acurácia, especificidade, F1- score e coeficiente de correlação de Matthews, evidenciando maior robustez em ambientes ruidosos e não estacionários. A incorporação da dependência temporal (one-step-ahead), revelou-se crucial para a detecção precoce de trajectórias anómalas e padrões evolutivos de degradação, destacando os modelos baseados na distribuição normal multivariada one-step-ahead como a abordagem mais eficaz para o controlo de condição e suporte à manutenção preditiva de turbinas eólicas.
- Avaliação de estimadores clássicos do parâmetro de cauda da distribuição de pareto generalizada usando delineamentos experimentaisPublication . Gonçalves, João Miguel Fernandes; Oliveira, Teresa A.As Simulações de Monte Carlo (SMC) são ferramentas fundamentais na inferência estatística, embora o seu caráter aleatório e não estruturado exija frequentemente um elevado custo computacional para garantir a convergência. Esta dissertação explora a integração de Delineamento Experimental (DOE), especificamente Delineamentos em Quadrados Greco-Latinos (QGL), Hipercubos Latinos (HL) e Metodologia de Superfície de Resposta (RSM), como forma de optimizar a avaliação do desempenho de estimadores do Parâmetro de forma (ξ ) da Distribuição de Pareto Generalizada (GPD). Foram analisados os estimadores Bayesiano, o Método da Máxima Verosimilhança (MLE), de Pickands, Metodo dos Momentos (MOM) e o método de Momentos Ponderados pela Probabilidade (PWM). Os resultados demonstram que a abordagem estruturada permitiu não apenas identificar o estimador Bayesiano como o mais preciso e o MLE como o mais robusto nos intervalos considerados, mas também quantificar sistematicamente o impacto de factores como o tamanho amostral e os parâmetros da distribuição na variabilidade do erro. Conclui-se que a integração de DOE com SMC poderá contribuir para a eficiência amostral e a interpretabilidade dos resultados e desta forma complementar uma simulação puramente aleatória, especialmente em contextos de elevada complexidade computacional.