文献

J-GLOBAL ID：202102215269595354   整理番号：21A2568305

風力タービンのセンサ故障検出のためのマルチスケール時空間畳込み深層信念ネットワーク【JST・京大機械翻訳】

A Multiscale Spatio-Temporal Convolutional Deep Belief Network for Sensor Fault Detection of Wind Turbine

著者 (5件)： Wang Hong (School of Electrical Engineering, Yanshan University, Qinhuangdao 066004, China) ,  Wang Hongbin (School of Electrical Engineering, Yanshan University, Qinhuangdao 066004, China) ,  Jiang Guoqian (School of Electrical Engineering, Yanshan University, Qinhuangdao 066004, China) ,  Wang Yueling (School of Electrical Engineering, Yanshan University, Qinhuangdao 066004, China) ,  Ren Shuang (China Academy of Information and Communication Institute, Beijing 100089, China)
資料名： Sensors (Web)  (Sensors (Web))
巻： 20  号： 12  ページ： 3580  発行年： 2020年 
JST資料番号： U7015A  ISSN： 1424-8220  CODEN： SENSC9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 風力タービンのセンサ故障検出は,タービンの信頼性と安定運転を改善する際に重要な役割を果たす。風車の監視制御とデータ収集(SCADA)システムは,データのアクセシビリティとセンサ情報量によるセンサ故障検出への有望な洞察を提供する。しかし,SCADAデータは,既存の風力タービン故障検出研究において十分に考慮されていない固有の時空間相関特性を有する本質的に多変量時系列である。本論文では,風力タービンセンサのための新しい分類ベースの故障検出法を提案した。SCADAデータに隠された時空特性をよりよく捉えるために,マルチスケール空間時間畳込み深層信念ネットワーク(MSTCDBN)を開発し,センサ故障検出を満たす特徴学習と分類を行った。提案手法の主要な優位性は,いくつかの異なる変数間の空間相関情報を学習できるだけでなく,各変数の時間特性も捉えることである。さらに,マルチスケール学習能力によるこの方法は,フィルタの種々のスケールにおける変数間の双方向特性を掘削することができた。一般的な風力タービンベンチマークモデルを用いて,提案した方法を評価した。比較結果は,提案方法が故障検出性能を著しく強化できることを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *畳込み ,  フィルタ ,  学習 ,  信頼性 ,  *故障検出 ,  *風車 ,  *タービン ,  アクセシビリティ ,  センサ ,  データ収集 ,  深層 ,  SCADAシステム
準シソーラス用語： *マルチスケール ,  *信念ネットワーク ,  センサ故障 , 【Automatic Indexing@JST】

著者キーワード (6件)： 故障検出 ,  分類 ,  風力タービンセンサ ,  多変量時系列 ,  マルチスケール時空間畳込み深層信念ネットワーク ,  深層学習

分類 (2件)： 風力発電  (NB03120Q) ,  計測機器一般  (AD02000X)

引用文献 (40件)：

• Shafiee, M. Maintenance logistics organization for offshore wind energy: Current progress and future perspectives. Renew. Energy 2015, 77, 182-193.
• Qiao, W.; Lu, D. A survey on wind turbine condition monitoring and fault diagnosis-Part I: Components and subsystems. IEEE Trans. Ind. Electron. 2015, 62, 6536-6545.
• Peng, Y.; Qiao, W.; Qu, L.; Wang, J. Sensor fault detection and isolation for a wireless sensor network-based remote wind turbine condition monitoring system. IEEE Trans. Ind. Appl. 2018, 52, 1072-1079.
• Alizadeh, E.; Meskin, N.; Khorasani, K. A dendritic cell immune system inspired scheme for sensor fault detection and isolation of wind turbines. IEEE Trans. Ind. Inform. 2018, 14, 545-555.
• Nabil, E.; Sobaih, A.A.; Abou-Zalam, B. Constrained Kalman filter based detection and isolation of sensor faults in a wind turbine. In Proceedings of the 10th International Conference on Computer Engineering & System, Cario, Egypt, 23-24 December 2015; pp. 67-72.

タイトルに関連する用語 (7件)： 風力タービン ,  センサ故障 ,  マルチスケール ,  時空間 ,  畳込み ,  深層 ,  信念ネットワーク