Développement d’un modèle de pronostic pour la maintenance prédictive des éoliennes à partir d’une modélisation hybride basée sur données et sur modèles physiques.
La transition énergétique est un des efforts nécessaires pour ralentir et limiter le réchauffement climatique et ses impacts. La mission de ce projet commun entre l’École de technologie supérieure (ÉTS) et Power Factors est de favoriser l’énergie éolienne par une réduction des coûts d’opération et maintenance de ce type d’énergie. Plus précisément, notre ambition est de mieux comprendre comment les défaillances s’amorcent et évoluent dans les composants des éoliennes. Cela permettrait de bien choisir les moments des inspections et maintenances dans les parcs éoliens, ce qui a deux principaux avantages : la diminution des coûts avec maintenance, puisque ces interventions seraient moins fréquentes et plus pertinentes, et aussi le prolongement de la vie utile des machines, puisque les failles seraient corrigées avant qu’elles deviennent dangereuses. Les aboutissements de ce projet doivent permettre à l’ÉTS de faire avancer l’état de l’art en pronostic des machines et enrichir l’expertise de Power Factors dans la gestion des parcs éoliens, engendrant donc des retombés technologiques, environnementaux, et économiques.