文献

J-GLOBAL ID：202102249876208364   整理番号：21A1011784

多重インテリジェントアルゴリズムを用いたブレード着氷の診断【JST・京大機械翻訳】

Diagnosis of Blade Icing Using Multiple Intelligent Algorithms

著者 (5件)： Yang Xiyun (School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China) ,  Yang Xiyun (Key Laboratory of Condition Monitoring and Control for Power Plant Equipment of Ministry of Education, North China Electric Power University, Beijing 102206, China) ,  Ye Tianze (School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China) ,  Wang Qile (Zhong-Neng Power-Tech Development Co., Ltd., Beijing 100089, China) ,  Tao Zhun (School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China)
資料名： Energies (Web)  (Energies (Web))
巻： 13  号： 11  ページ： 2975  発行年： 2020年 
JST資料番号： U7016A  ISSN： 1996-1073  CODEN： ENERGA  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： 中国北部の風力タービンブレードの着氷問題は,ユニットの正常および安全運転に深刻な影響を与える。風力タービンブレードの着氷条件を効果的に予測するために,ウィンドファームからの大きいデータに基づく機械学習(ML)アルゴリズムによって最適化された深い完全接続ニューラルネットワークを,風力タービンブレードの着氷条件を診断するために提案する。本研究は,最初にランダムフォレストモデルを用いて,ブレード着氷に影響する監視制御とデータ収集(SCADA)データの特徴を低減し,次に,K最近傍(KNN)アルゴリズムを用いて,有効電力特性を強化した。KNNアルゴリズムによって強化されたランダムフォレスト減少と有効電力平均二乗誤差(MSE)特徴の後の特徴を組み合わせ,完全接続ニューラルネットワーク(FCNN)の入力として用いて,ブレード着氷の診断のための経験的解析を行った。シミュレーション結果は,提案モデルが通常の逆伝搬(BP)ニューラルネットワークおよび他の方法より良い診断精度を有することを示した。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： *アルゴリズム ,  最適化 ,  シミュレーション ,  計算機シミュレーション ,  ニューラルネットワーク ,  着氷 ,  有効電力 ,  *多重化 ,  データ収集 ,  中国北部 ,  ウインドファーム ,  SCADAシステム ,  機械学習
準シソーラス用語： 平均二乗誤差 ,  ランダムフォレスト ,  風力タービン翼 , 【Automatic Indexing@JST】

著者キーワード (4件)： ランダムフォレストアルゴリズム ,  k最近傍 ,  完全接続ニューラルネットワーク ,  ブレード着氷認識

分類 (1件)： 送風機,圧縮機,風車  (QD03000U)

引用文献 (19件)：

• Global Wind Statistics 2017; Global Wind Energy Council: Brussels, Belgium, 2018; Available online: https://gwec.net/newsroom/press-releases/ (accessed on 8 June 2020).
• Wei, K.; Yang, Y.; Zuo, H.; Zhong, D. A review on ice detection technology and ice elimination technology for wind turbine. Wind Energy 2020, 23, 433-457.
• Zhen, C.; Yue, L.; Wu, Y. Research on cloud platform for wind turbine fault diagnosis. Adv. Mater. Res. 2013, 765, 2255-2258.
• Kusiak, A.; Verma, A. Prediction of status patterns of wind turbines: A data-mining approach. J. Sol. Energy Eng. 2011, 133, 011008.
• Chen, B.; Qiu, Y.; Feng, Y.; Tavner, P.; Song, W. Wind Turbine SCADA Alarm Pattern Recognition. In Proceedings of the IET Conference on Renewable Power Generation (RPG 2011), Edinburgh, UK, 6-8 Sepember 2011; pp. 1-6.

タイトルに関連する用語 (5件)： 多重 ,  アルゴリズム ,  ブレード ,  着氷 ,  診断