Wind Turbine Gearbox Failure Detection Based on SCADA Data: A Deep Learning-Based Approach

自编码 SCADA系统 涡轮机 计算机科学 不可用 人工智能 控制图 风力发电 状态监测 水准点(测量) 深度学习 工程类 实时计算 过程(计算) 可靠性工程 操作系统 电气工程 地理 机械工程 大地测量学
作者
Luoxiao Yang,Zijun Zhang
出处
期刊:IEEE Transactions on Instrumentation and Measurement [Institute of Electrical and Electronics Engineers]
卷期号:70: 1-11 被引量:40
标识
DOI:10.1109/tim.2020.3045800
摘要

Gearbox failure is one of top-ranked factors leading to the unavailability of wind turbines (WTs). Existing data-driven studies of gearbox failure detection (GFD) focus on improving detection accuracies while reducing false alarms has not received sufficient discussions. In this article, we propose a deep joint variational autoencoder (JVAE)-based monitoring method using wind farm supervisory control and data acquisition (SCADA) data to more effectively detect WT gearbox failures. The JVAE-based monitoring method includes two parts. First, a novel JVAE that takes a chunk of multivariate time series derived from collected SCADA data as inputs is developed. The JVAE utilizes two types of predefined parameters, behavior parameters (BPs) and conditional parameters (CPs), to produce reconstruction errors (REs) of the BP, which reflects the gearbox abnormality. Next, a statistical process control chart is developed to monitor REs and raise alarms. To validate advantages of the proposed method in GFD, five methods, the joint latent variational autoencoder (JLVAE)-, the variational autoencoder (VAE)-, full-dimensional VAE (FDVAE)-, recurrent autoencoder (RAE)-, and one-class support vector machine (OCSVM)-based monitoring methods, are considered as benchmarks. SCADA data with field reports of gearbox failure events collected from four commercial wind farms are utilized to demonstrate the effectiveness of the JVAE-based monitoring method on GFD and its stronger ability to resist false alarms.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
foxdaopo完成签到,获得积分10
刚刚
wxt完成签到 ,获得积分10
刚刚
Echoooo_发布了新的文献求助10
2秒前
完美世界应助坚定的白薇采纳,获得10
2秒前
yzy完成签到,获得积分10
5秒前
zz完成签到,获得积分10
6秒前
孟惜儿完成签到,获得积分10
7秒前
慕青应助灵儿采纳,获得10
7秒前
8秒前
yyyyyyyr完成签到,获得积分20
9秒前
澧abc完成签到 ,获得积分10
10秒前
Echoooo_完成签到,获得积分10
10秒前
334niubi666完成签到 ,获得积分10
11秒前
Jasper应助zz采纳,获得10
12秒前
JIANYOUFU完成签到,获得积分10
12秒前
万能图书馆应助水穷云起采纳,获得10
13秒前
15秒前
17秒前
ty完成签到,获得积分10
17秒前
LHC完成签到,获得积分10
17秒前
吉祥应助nenoaowu采纳,获得40
19秒前
自然傲柔发布了新的文献求助10
20秒前
20秒前
21秒前
111完成签到,获得积分20
22秒前
22秒前
weiyu_u发布了新的文献求助10
23秒前
23秒前
廖英健完成签到 ,获得积分10
24秒前
hs完成签到,获得积分10
25秒前
111发布了新的文献求助10
27秒前
科研通AI2S应助yang采纳,获得10
27秒前
淡然以柳完成签到,获得积分10
27秒前
灵儿发布了新的文献求助10
28秒前
29秒前
自然傲柔完成签到,获得积分10
30秒前
Migue应助人生苦短采纳,获得10
30秒前
淡然的咖啡豆完成签到 ,获得积分10
31秒前
32秒前
自由文博完成签到 ,获得积分10
32秒前
高分求助中
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
Die Gottesanbeterin: Mantis religiosa: 656 400
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3165215
求助须知:如何正确求助?哪些是违规求助? 2816263
关于积分的说明 7912059
捐赠科研通 2475954
什么是DOI,文献DOI怎么找? 1318452
科研通“疑难数据库(出版商)”最低求助积分说明 632171
版权声明 602388