利用大数据框架对风力发电机进行实时预测性维护
分布式、并行与集群计算
2017-09-22 v1
摘要
本文展示了一个预测性维护解决方案向大数据环境的演进。所提出的适配方案旨在利用部署在云端的、由三个主要模块构成的数据驱动解决方案来预测风力发电机的故障。(i) 一个预测模型生成器，通过随机森林算法为每台受监控的风力发电机生成预测模型。(ii) 一个监控代理，每10分钟对未来一小时内风力发电机可能发生的故障进行预测。最后，(iii) 一个仪表盘，用于可视化所给出的预测。为实现该解决方案，使用了Apache Spark、Apache Kafka、Apache Mesos和HDFS。因此，我们在数据处理速度、可扩展性和自动化方面改进了先前的工作。此外，我们提供了容错功能，并提供了一个集中访问点，可从此处监控分布在全球各地的公司所有风力发电机的状态，从而降低了运维成本。
引用
@article{arxiv.1709.07250,
title = {Real-time predictive maintenance for wind turbines using Big Data frameworks},
author = {Mikel Canizo and Enrique Onieva and Angel Conde and Santiago Charramendieta and Salvador Trujillo},
journal= {arXiv preprint arXiv:1709.07250},
year = {2017}
}