文献

J-GLOBAL ID：202202282505990743   整理番号：22A1082618

仮想SCADAとIOTを用いた風力タービン状態監視と分類システム:機械学習アプローチ【JST・京大機械翻訳】

Wind turbine condition monitoring & classifying system using virtual SCADA and IOT: A machine learning approach

著者 (4件)： Ganesan Saravanan (Department of Electronics and Communication Engineering, SRM Institute of Science and Technology, Chennai, Tamil Nadu, 600089, India) ,  Daniel J. Ajay (Department of Electronics and Communication Engineering, SRM Institute of Science and Technology, Chennai, Tamil Nadu, 600089, India) ,  Hrithik Y. Hemanth (Department of Electronics and Communication Engineering, SRM Institute of Science and Technology, Chennai, Tamil Nadu, 600089, India) ,  Sateesh V. S. (Department of Electronics and Communication Engineering, SRM Institute of Science and Technology, Chennai, Tamil Nadu, 600089, India)
資料名： AIP Conference Proceedings  (AIP Conference Proceedings)
巻： 2405  号： 1  ページ： 030011-030011-7  発行年： 2022年 
JST資料番号： D0071C  ISSN： 0094-243X  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 産業規模では,風車は,はるかに離れた方向と管理のために,優れた管理と情報取得(SCADA)マシンに適合する。このシステムは,風力発電機の適応方向を含む事実を集める。したがって,タービン条件調査のためにSCADA情報から適合度ファーム関連データを貯蔵することは刺激的である。このシステムにおける全技術を提唱して,異常を見つけるのに用い,風力タービンの不完全性を同定する。全体の風発生器に区別して収集したSCADAの従来の統計を用いて,それらの通常の挙動を模倣し,Mahalanobis地域として参照領域を持つ。参照領域の教育版を通して,タービンの期待される挙動を比較し,不規則性を追跡した。風力タービンの不完全性は,記録の分配研究と関連によって認識した。この手法は,風力タービンから蓄積されたSCADAからの統計を用いて訓練された機械学習モデルの助けで確立できる。結果は,それが不規則性に打ち勝つことができて,全体のウィンドファームが上eepのために崩壊する前に,機械学習技術によって対応する不完全な成分を同定することを証明した。Copyright 2022 AIP Publishing LLC All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 教育 ,  *監視 ,  情報収集 ,  *風車 ,  モデル ,  *タービン ,  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： 適合度 ,  *状態監視 ,  再生器 ,  風力発電機 ,  機械学習技術 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (7件)： 仮想 ,  SCADA ,  IoT ,  風力タービン ,  状態監視 ,  分類 ,  機械学習