风力发电机齿轮箱失效时间预测的数字孪生框架：一种概念
信号处理
2022-05-10 v1 人工智能
机器学习
摘要
风力发电机是一种复杂机器，其旋转与非旋转设备对故障敏感。由于磨损加剧，风力发电机的维护至关重要。风力发电机部件的意外失效会导致运维（O&M）成本上升，最终降低风场的有效捕风能力。风力发电机的故障检测常辅以风场运营商提供的SCADA数据，其以10分钟采样间隔的时间序列形式存在。此外，时间序列分析与数据表示已成为深入理解风力发电机等复杂机械中动态过程的有力工具。风力发电机SCADA数据通常以多元时间序列形式提供，变量包括齿轮箱油温、齿轮箱轴承温度、机舱温度、转子转速与有功功率。在本预印本中，我们讨论了一种用于风力发电机齿轮箱失效时间预测的数字孪生概念，其中一个预测模块持续以实时SCADA数据更新，并为风场运营商生成有意义的洞察。
引用
@article{arxiv.2205.03513,
title = {Digital Twin Framework for Time to Failure Forecasting of Wind Turbine Gearbox: A Concept},
author = {Mili Wadhwani and Sakshi Deshmukh and Harsh S. Dhiman},
journal= {arXiv preprint arXiv:2205.03513},
year = {2022}
}