文献

J-GLOBAL ID：201802214024358508   整理番号：18A1887371

風車の正常稼働状態に基づく教師データ選択手法の評価

Evaluation of Training Data Selection Method for Wind Turbine Degradation Assessment Based on the Normal Behavior

著者 (5件)： 安田晃久 (東大) ,  古澤陽子 (東大) ,  成末義哲 (東大) ,  森川博之 (東大) ,  飯田誠 (東大)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2018  号： MPS-120  ページ： Vol.2018-MPS-120,No.14,1-6 (WEB ONLY)  発行年： 2018年09月18日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 風力発電では,風車の内部機器が故障すると停止期間が続き,大きな損害が生じてしまう。そのため,内部機器の異常を早期に検知することが重要である。これまで,筆者らは,風車の標準的な稼働監視装置であるSCADA(Supervisory Control And Data Acquisition)収集データを用いた機械学習による異常検知手法を開発しており,ここでは,モデルの異常検知性能が,過去の時系列データから選択した教師データに依存する点が課題となっている。本稿では,理想的なパワーカーブとの比較から一定期間毎の正常稼働率を算出し,この正常稼働率を基に,教師データとして適切な期間を選択するための分類手法を示し,異常検知処理における有効性を確認した。(著者抄録)

シソーラス用語： *風車 ,  分析 ,  *機械学習 ,  検出 ,  *異常 ,  データ ,  選択 ,  SCADAシステム
準シソーラス用語： SCADA ,  データ選択 ,  異常検出 ,  異常検知 ,  稼動分析 ,  教師データ ,  時系列データ

分類 (2件)： 風力発電  (NB03120Q) ,  人工知能  (JE08000Z)

引用文献 (19件)：

• C. Lins, et al. RENEWABLES 2017 GLOBAL STATUS REPORT, http://www.ren21.net/gsr_2017_full_report_en, アクセス 2018年7月25日.
• 風力発電競争力強化研究会報告書. http://www.meti.go.jp/committee/kenkyukai/energy_environment/furyoku/pdf/report_01_01.pdf, アクセス 2018年7月25日.
• Milborrow, D. Operation and maintenance costs compared and revealed. Windstats Newsletter. 2006, vol. 19, no. 1-3.
• Tautz-Weinert, J., & Watson, S. J. Using SCADA data for wind turbine condition monitoring-a review. IET Renewable Power Generation. 2016, vol. 11, no. 4, p. 382-394.
• Marvuglia, A. and Messineo. A. Monitoring of wind farms’ power curves using machine learning techniques. Applied Energy. 2012, vol. 98, p. 574-583.

タイトルに関連する用語 (6件)： 風車 ,  稼働 ,  教師 ,  データ選択 ,  手法 ,  評価