文献

J-GLOBAL ID：202202266940292700   整理番号：22A0479100

最小二乗生成敵対ネットワークを用いた風力タービンのための曖昧な状態監視方式【JST・京大機械翻訳】

A de-ambiguous condition monitoring scheme for wind turbines using least squares generative adversarial networks

著者 (4件)： Wang Anqi (School of Instrumentation and Optoelectronic Engineering, Beihang University, Beijing 100191, China) ,  Qian Zheng (School of Instrumentation and Optoelectronic Engineering, Beihang University, Beijing 100191, China) ,  Pei Yan (School of Instrumentation and Optoelectronic Engineering, Beihang University, Beijing 100191, China) ,  Jing Bo (School of Instrumentation and Optoelectronic Engineering, Beihang University, Beijing 100191, China)
資料名： Renewable Energy  (Renewable Energy)
巻： 185  ページ： 267-279  発行年： 2022年 
JST資料番号： A0124C  ISSN： 0960-1481  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 風車条件監視(WTCM)は,運転と保全(O&M)コストの低減とウインドファームの信頼性の改善に重要な役割を果たす。監視制御とデータ収集(SCADA)データは,容易なアクセスと強いタイムラインのような利点を持ち,WTCMのために広く使われる。しかし,モデル訓練プロセスの間に,歴史的SCADAデータを健康または故障として正確に区別し,ラベル付けすることは困難である。したがって,SCADAデータに基づく転送層(DCMT)によるDe-ambiguous条件監視方式を提案して,この問題を克服した。この方式は,風力タービンのための故障早期警報を提供する。このスキームにおいて,移動層を有する改良自動エンコーダ(AE)ネットワークを設計して,あいまいな状態(あいまいなデータ)におけるSCADAデータの影響を除去して,訓練データセットの信頼性を強化した。一方,Siamese符号器の構造を設計して,潜在特徴,すなわちSiamese符号器の出力の間の残差を計算した。これらの残差は,風車運転条件を同定するために利用できる。さらに,最小自乗生成広告ネットワーク(LSGAN)を導入して,モデル訓練のための健康データの増加を制約しつつ,健康データの分布を学習した。提案方法を,北西中国からの風力タービンの過温度故障を有する発電機巻線とギアボックスの2つのケースに適用した。他の方法と比較して,提案方法は,誤り警報を上げることなく,前もって潜在的異常条件を効果的に検出する。Copyright 2022 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： *最小二乗法 ,  警報 ,  広告 ,  故障 ,  信頼性 ,  *ネットワーク ,  保全 ,  残差 ,  *風車 ,  符号器 ,  データ収集 ,  歯車箱 ,  ウインドファーム
準シソーラス用語： 誤警報 ,  *状態監視 , 【Automatic Indexing@JST】

著者キーワード (4件)： 状態監視 ,  監視制御とデータ収集 ,  風車 ,  最小二乗生成敵対ネットワーク

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 (4件)： 最小二乗 ,  敵対 ,  風力タービン ,  状態監視