運転データに適用された機械学習技術を用いた風力タービンの故障診断

部品故障による風力タービンの計画外または反応型メンテナンスは、重要なダウンタイムを引き起こし、その結果、収益の損失をもたらします。このため、必要となる前にメンテナンスを行う能力が重要です。タービンの健康を継続的に監視することで、早期の故障を検出し、必要に応じてメンテナンスを計画することが可能になり、不要な定期チェックの必要性がなくなります。これまでのところ、高価な振動または油分析センサーをタービンに追加する条件監視システム（CMS）の開発に多くの努力が注がれてきました。代わりに、タービンの監視制御およびデータ収集（SCADA）システムの既存データを複雑に分析することで、タービンの性能に関する貴重な洞察をはるかに低コストで得ることができます。本論文では、アイルランド南東部のタービンのSCADAシステムからデータを取得しました。故障および警報データはフィルタリングされ、電力曲線と関連付けて分析され、名目および故障運転の期間が特定されます。その後、温度、ピッチ、ローターデータなどの他のSCADAデータを考慮して、故障および故障のない運転を認識するために分類技術が適用されます。これは特定の故障を予測し診断するために拡張されます。いくつかのタイプの故障を予測する成功を示す結果が提供されます。