一种用于风力涡轮机故障预测的深度学习方法
机器学习
2020-01-13 v1 信号处理
摘要
随着传统能源成本上升，世界正转向包括风能在内的可持续能源。风力涡轮机由若干电气与机械部件组成，并承受大量不规则载荷，使其运行行为有时不一致。运行与维护（O&M）是监测涡轮机此类不一致行为以预测并防止近期可能发生初期故障的关键因素。过去十年中，机器学习已应用于风能领域，用于分析、诊断和预测风力涡轮机故障。特别地，我们遵循将涡轮机性能建模为功率曲线的思路，任何偏离该曲线的功率输出可视为性能误差。采用此思路的已有工作利用涡轮机的监控与数据采集（SCADA）系统数据，通过回归技术过滤和分析故障与报警数据。与先前工作不同，我们探索了如何仅从开放获取气象数据出发，将深度学习应用于故障预测。
引用
@article{arxiv.2001.03612,
title = {A Deep Learning Approach Towards Prediction of Faults in Wind Turbines},
author = {Joyjit Chatterjee and Nina Dethlefs},
journal= {arXiv preprint arXiv:2001.03612},
year = {2020}
}
备注
Presented at the Northern Lights Deep Learning Workshop (NLDL), Tromso, Norway in January 2019. The workshop program can be found at http://nldl2019.org/program.html page