利用漂移概念衡量风力涡轮机健康状态
应用统计
2021-12-10 v1 机器学习
摘要
时间序列处理是风力涡轮机健康监测的一个重要方面。尽管该领域取得了进展，但仍有空间引入新方法来改善建模质量。本文提出两种用于分析风力涡轮机健康状态的新方法。两种方法均基于使用模糊集实现的抽象概念，这些概念对底层原始数据进行概括与聚合。通过观察概念的变化，我们推断涡轮机健康状态的变化。分析针对不同外部条件（风速和温度）分别进行。我们提取代表相对低、中、高功率输出的概念。第一种方法旨在评估相对高和相对低功率输出的下降或上升，该任务使用类回归模型完成。第二种方法评估所提取概念的整体漂移，大漂移表明功率输出过程随时间发生波动。概念使用语言标签进行标注，从而赋予模型更好的可解释性特征。我们将所提方法应用于处理描述四台风力涡轮机的公开可用数据。仿真结果表明，老化过程在所有风力涡轮机中并非均匀的。
引用
@article{arxiv.2112.04933,
title = {Measuring Wind Turbine Health Using Drifting Concepts},
author = {Agnieszka Jastrzebska and Alejandro Morales-Hernández and Gonzalo Nápoles and Yamisleydi Salgueiro and Koen Vanhoof},
journal= {arXiv preprint arXiv:2112.04933},
year = {2021}
}