تشخیص و شناسایی خطای توربین بادی با استفاده از یادگیری ماشین

یک راه اثبات شده و موثر برای کاهش هزینه های نگهداری از طریق استراتژی نگهداری مبتنی بر شرایط (CBM) است . با استفاده از دادههای سیستم کنترل نظارتی و جمع آوری دادهها (SCADA) به جای تقویت سیستم نظارت بر شرایط اختصاصی (CM)، عملکرد CM را می توان با کسری از هزینه به دست آورد. استفاده از دادههای ۱۰دقیقه ای کنترل نظارتی توربین بادی و دادههای سیستم جمع آوری داده برای پیش بینی خطاها می تواند راهی جذاب برای کار به سمت استراتژی تعمیر و نگهداری پیش بینی کننده بدون نیاز به سرمایه گذاری در سخت افزار اضافی باشد. انواع روشهای طبقه بندی در این زمینه موثر بودهاند، اما در هریک از روش ها اشکلاتی نیز وجود دارند. این پژوهش با استفاده از داده های سیستم SCADA برای سطوح مختلف CM شناسایی و تشخیص خطا را بررسی می کند و نتایج آن بهبود قابل توجه معیارهای ارزیابی را در مقایسه با سایر پژوهش های انجام شده نشان می دهد.

کلیدواژه ها:

توربین بادی ، شناسایی خطا ، یادگیری ماشین ، داده اسکادا