基于SCADA数据的可扩展风力机部件故障预测性维护模型
机器学习
2019-10-23 v1 信号处理
摘要
本文提出一种新颖的预测性维护系统并将其应用于风力机主要部件。所提模型基于机器学习与统计过程控制工具,应用于关键部件的SCADA(数据采集与监视控制)数据。测试活动分为两个阶段:第一阶段为为期两年的离线测试,第二阶段为为期一年的实时测试。离线测试使用了来自意大利和罗马尼亚六座风场的 historical 故障数据,对应共计150台风力机与283 MW的总装机额定功率。结果表明,在设备非计划停机前长达2个月即具备出色的异常预测能力。此外,为期12个月的实时测试证实了该系统检测多种异常的能力,从而使运维人员能够识别根本原因,并在达到灾难性阶段之前安排维护行动。
引用
@article{arxiv.1910.09808,
title = {A Scalable Predictive Maintenance Model for Detecting Wind Turbine Component Failures Based on SCADA Data},
author = {Lorenzo Gigoni and Alessandro Betti and Mauro Tucci and Emanuele Crisostomi},
journal= {arXiv preprint arXiv:1910.09808},
year = {2019}
}
备注
Paper presented at the conference IEEE PES General Meeting 2019, August 4-8 (Atlanta, USA)