文献

J-GLOBAL ID：202102230930310088   整理番号：21A2834377

適応最大平均不一致に基づく風力タービン故障予測と健全性評価【JST・京大機械翻訳】

Wind turbine failure prediction and health assessment based on adaptive maximum mean discrepancy

著者 (9件)： Peng Jieyang (School of Mechanical Engineering, Tongji university, 200092 Shanghai, PR China) ,  Peng Jieyang (Karlsruhe Institute of Technology, 76133 Karlsruhe, Germany) ,  Kimmig Andreas (Karlsruhe Institute of Technology, 76133 Karlsruhe, Germany) ,  Niu Zhibin (College of Intelligence and Computing, Tianjin university, 300072 Tianjin, PR China) ,  Niu Zhibin (Department of Technology, Management and Economics, Technical University of Denmark, 2800 Kgs. Lyngby, Denmark) ,  Wang Jiahai (School of Mechanical Engineering, Tongji university, 200092 Shanghai, PR China) ,  Liu Xiufeng (Department of Technology, Management and Economics, Technical University of Denmark, 2800 Kgs. Lyngby, Denmark) ,  Wang Dongkun (School of Mechanical Engineering, Tongji university, 200092 Shanghai, PR China) ,  Ovtcharova Jivka (Karlsruhe Institute of Technology, 76133 Karlsruhe, Germany)
資料名： International Journal of Electrical Power & Energy Systems  (International Journal of Electrical Power & Energy Systems)
巻： 134  ページ： Null  発行年： 2022年 
JST資料番号： A0596B  ISSN： 0142-0615  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 風力タービンは,ますます洗練された電気および機械部品で設計され,より複雑なメンテナンス手順およびより高い故障コストをもたらす。この分野における多くの研究は,ダウンタイムとメンテナンスコストを低減する努力において,風力タービン故障の信頼できる早期警報を提供した。最近,データ駆動手法が風力タービンの健康状態評価に導入されている。しかし,高精度の故障予測と解釈可能な健康状態評価を得ることは依然として困難である。本研究では,風力タービンの健康を評価し,評価するための統一フレームワークを提案した。最初に,風力タービン故障を4つのカテゴリーに経験的にグループ化した。広範なダウンタイムを含む低周波故障は,徐々に劣化する傾向と,それらが導入する厳しい結果のため,重要である。したがって,これらを予測保全戦略で使用するために採用した。適応最大平均不一致アルゴリズム,分布の新しい類似性計量を,センサ属性の動的重みを捕え,潜在的故障を予測する手段として使用した。次に畳み込みニューラルネットワークを用いて,誤警報を同定し,モデルの精度を改善した。この手法は予測速度を著しく改善し,故障と特徴/センサ間の関係を反映し,風力タービンの性能をさらに改善するのに不可欠である。実験は,著者らの健康評価法が伝統的方法より高い故障予測率とより低い誤警報率を有することを示した。また,プロセスは,特定の故障によって影響されるように,風力タービンの段階的劣化傾向を提供する。6つの風力タービンからのSCADAデータの1年間の経験的研究をさらに用いて,このアプローチの説明可能性を実証した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  警報 ,  *故障 ,  機械要素 ,  *風車 ,  LF【周波数】 ,  保全費 ,  停止時間 ,  センサ ,  保守管理 ,  SCADAシステム
準シソーラス用語： 健康状態 ,  誤警報 ,  *故障予知 ,  データ駆動 , 【Automatic Indexing@JST】

著者キーワード (5件)： SCADAデータ ,  故障予測 ,  性能評価 ,  適応最大平均不一致 ,  畳込みニューラルネットワーク

分類 (2件)： 風力発電  (NB03120Q) ,  送風機,圧縮機,風車  (QD03000U)

タイトルに関連する用語 (5件)： 適応 ,  平均 ,  風力タービン ,  故障予測 ,  健全性評価