Wind turbine gearbox fault prognosis based only on SCADA data
Els aerogeneradors solen funcionar en entorns amb agents hostils i nocius. És per això que aquests aerogeneradors requereixen operacions de manteniment extensives i constants. Per evitar sobrecostos, és fonamental una bona planificació i organització de les tasques de manteniment. Les decisions que...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2021 |
| País: | España |
| Institución: | Universitat Politècnica de Catalunya (UPC) |
| Repositorio: | UPCommons. Portal del coneixement obert de la UPC |
| Idioma: | inglés |
| OAI Identifier: | oai:upcommons.upc.edu:2117/361485 |
| Acceso en línea: | https://hdl.handle.net/2117/361485 |
| Access Level: | acceso abierto |
| Palabra clave: | Wind turbines Turbines Wind Power Predictive Maintenance Prognosis SCADA Machine Learning Relevance Vector Machine Wind Turbines Maintenance Data Aerogeneradors Àrees temàtiques de la UPC::Enginyeria mecànica |
| Sumario: | Els aerogeneradors solen funcionar en entorns amb agents hostils i nocius. És per això que aquests aerogeneradors requereixen operacions de manteniment extensives i constants. Per evitar sobrecostos, és fonamental una bona planificació i organització de les tasques de manteniment. Les decisions que s’han de prendre es basen normalment en les dades del SCADA, que és un sistema que controla l’estat de la turbina i els seus components sempre que tinguin sensors. La supervisió de l’estat de la turbina detecta avaries quan es produeixen i permet a l’equip de manteniment saber on haurien d’actuar. En qualsevol cas, quan arriben a la turbina, ja està danyada o requereix una suspensió temporal de les seves activitats. Un dels mecanismes que més sovint es descompon és la multiplicadora i la seva substitució és molt cara, ja que no només requereix temps d’aturada de la turbina, sinó també el desmuntatge i el muntatge d’una gran part de la instal·lació eòlica, així com la multiplicadora, i no és barata. El següent projecte presenta un mètode que té com a objectiu detectar possibles falles en la multiplicadora abans que aquestes apareguin. Aquest mètode es basa en l’aprenentatge automàtic i en les dades recopilades per l’SCADA de l’aerogenerador. L’algoritme de detecció temprana es basa en Relevance Vector Machine (RVM). |
|---|