水电站的状态监测与早期诊断方法
信号处理
2019-11-15 v1 机器学习
机器学习
摘要
水电站是最为便利的发电选项之一，因为它们利用可再生能源发电，运营与维护成本相对较低，并且可借助大型可用水库提供辅助服务。信息与通信技术（ICT）以及机器学习方法的近期进展，被视为在状态监测、早期诊断乃至最终的预测性维护方面升级和现代化大多数水电站当前运行的关键赋能因素。迄今为止，针对水电领域的文献或运行技术寥寥无几，本文中我们提出了一种新颖的关键绩效指标（KPI），该指标是我们近期开发并已在运行中的水电站上测试过的。特别地，我们展示了在超过一年的运行后，它已能够识别若干故障，并支撑电厂运行人员的运行与维护任务。此外，我们表明所提出的 KPI 优于传统的多变量过程控制图，如 Hotelling 指数。
引用
@article{arxiv.1911.06242,
title = {Condition monitoring and early diagnostics methodologies for hydropower plants},
author = {Alessandro Betti and Emanuele Crisostomi and Gianluca Paolinelli and Antonio Piazzi and Fabrizio Ruffini and Mauro Tucci},
journal= {arXiv preprint arXiv:1911.06242},
year = {2019}
}
备注
8 pages, 4 figures. This work has been submitted to the Elsevier Renewable Energy for possible publication