Zusammenfassung
Offshore-Windturbinen in Parks sind schwer zu erreichen und können mehrere Fehler aufweisen, was zu Problemen bei den Wartungszyklen sowie zu kostspieligen Fehlerbehebungen und Verfahren führt. Die intelligente Lösung für die Fehlererkennung in Windkraftanlagen ist die Fernüberwachung und -diagnose auf der Grundlage von Sensordaten. Fehler können mit Hilfe von Sensordaten durch Techniken der künstlichen Intelligenz wie maschinelles Lernen und neuronale Netze erkannt werden. In diesem Whitepaper wird der gesamte Prozess der Fehlererkennung in Windkraftanlagen mithilfe von maschinellem Lernen und neuronalen Netzen erläutert.
Höhepunkte des Projekts
- Konzept zur Fernüberwachung und -erkennung von Fehlern
- Prozessablauf der Fehlerdiagnose
- Entwicklung eines Fehlererkennungsmodells mit AI
- Support-Vektor-Maschinen (SVM)
- Künstliche neuronale Netze
- Fallstudie: Fehlererkennung in Windturbinen mit SVM und NN
- Diagnose von Windturbinenmodellen
- Algorithmen zur Erkennung von Störungen durch AI
- Vergleich von Kalman-Filter-Algorithmus und Algorithmen für maschinelles Lernen
