WaveletAE：一种用于风力机叶片覆冰检测的小波增强自编码器
机器学习
2019-10-14 v2 机器学习
摘要
风能作为燃烧化石燃料的替代，丰富且取之不竭。为充分利用风能，风场通常位于高海拔且面临严重覆冰条件的区域，这可能导致严重后果。快速检测叶片覆冰对风场维护至关重要。与在风叶上安装昂贵物理探测器的传统方法不同，数据驱动方法日益流行于风机故障检测。在这项工作中，我们提出一种小波增强自编码器模型（WaveletAE），通过分析 SCADA 系统监测的多变量时间序列来识别风机故障。WaveletAE 以小波细节系数增强，迫使自编码器从多尺度捕获信息，并应用 CNN-LSTM 架构学习通道维与时间维关系。实证研究表明，所提模型在真实世界叶片覆冰检测上优于其他最先进的时间序列异常检测方法。
引用
@article{arxiv.1902.05625,
title = {WaveletAE: A Wavelet-enhanced Autoencoder for Wind Turbine Blade Icing Detection},
author = {Binhang Yuan and Chen Wang and Chen Luo and Fei Jiang and Mingsheng Long and Philip S. Yu and Yuan Liu},
journal= {arXiv preprint arXiv:1902.05625},
year = {2019}
}