提高风力发电效率的智能运维与预测模型优化

本研究探讨了预测性维护模型和智能运维（O&M）系统在提高风力发电效率方面的效果。通过定性研究，对五位风电场工程师和维护经理进行了结构化访谈，他们都拥有丰富的机组运行经验。运用主题分析，研究发现尽管预测性维护模型有效减少停机时间，通过识别重大故障实现了这一目标，但往往难以检测较小、渐进性的故障。关键挑战包括误报、传感器故障以及将新模型与旧机组系统集成的困难。数字孪生、SCADA 系统和条件监测等先进技术显著提升了机组维护实践，但这些技术仍需改进，特别是 AI 优化和实时数据集成。研究结果强调需要持续发展以充分优化风力机组性能，并支持可再生能源的更广泛采用。