风力涡轮机长期故障预测的数据需求与预测缩放
系统与控制
2025-01-14 v2 系统与控制
摘要
我们研究了使风力涡轮机早期故障预测成为可能的关键因素。为此，我们分析了长期预测研究，比较了它们的主要特征：预测时间、方法、目标组件、数据集大小，并检查使用额外传感器的效果。我们发现数据集大小是主要因素，并且存在近似线性缩放关系：预测天数是数据集大小的两倍，以涡轮机年为单位衡量。我们还观察到，这些数据使我们能够量化"大数据"和"长期"这两个术语的含义，它们分别被发现对应十涡轮机年和两周。
引用
@article{arxiv.2407.21533,
title = {Data Requirements and Prediction Scaling for Long-Term Failure Forecasts in Wind Turbines},
author = {Viktor Begun and Ulrich Schlickewei},
journal= {arXiv preprint arXiv:2407.21533},
year = {2025}
}
备注
Improved the text and figure, updated the references