Développement de modèles prédictifs pour la détection de défaillance sur les pièces prioritaires de turbines éoliennes.

La société Enercon, produit des éoliennes et par la suite opère les centrales qui ont été installés, pour garantir le
bon fonctionnement de celles-ci. L’un des enjeux à surmonter pour la maintenance d’une centrale éolienne est la
prédiction des défaillances, afin d’intervenir le plus rapidement possible et de limiter le temps d’arrêt des turbines.
La compagnie souhaite donc instaurer des indicateurs de mesure basés sur de l’intelligence artificielle, qui
permettront un remplacement plus efficace du matériel mécanique, afin de diminuer les coûts de maintenance et
d’augmenter la production sur le cycle de vie d’une éolienne. L’objectif de ce projet de collaboration est la mise
en place d’algorithmes se basant sur l’historique des maintenances et les mesures effectuées depuis la
construction de la centrale afin de prédire les futurs comportements des pièces prioritaires d’une éolienne comme
les pales, la génératrice, le transformateur électrique.

Faculty Supervisor:

Christian Masson

Student:

Partner:

ENERCON Services Canada

Discipline:

Engineering

Sector:

Manufacturing

University:

École de technologie supérieure

Program: