메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색
질문

논문 기본 정보

자료유형
학술저널
저자정보
Peng Sun (State Grid Henan Electrical Power Research Institute) Jian Li (Chongqing University) Caisheng Wang (Wayne State University) Yonglong Yan (State Grid Wulumuqi Electric Supply Company)
저널정보
대한전기학회 Journal of Electrical Engineering & Technology Journal of Electrical Engineering & Technology Vol.12 No.2
발행연도
2017.3
수록면
689 - 700 (12page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색
질문

초록· 키워드

오류제보하기
This paper presents an effective approach for wind turbine (WT) condition assessment based on the data collected from wind farm supervisory control and data acquisition (SCADA) system. Three types of assessment indices are determined based on the monitoring parameters obtained from the SCADA system. Neural Networks (NNs) are used to establish prediction models for the assessment indices that are dependent on environmental conditions such as ambient temperature and wind speed. An abnormal level index (ALI) is defined to quantify the abnormal level of the proposed indices. Prediction errors of the prediction models follow a normal distribution. Thus, the ALIs can be calculated based on the probability density function of normal distribution. For other assessment indices, the ALIs are calculated by the nonparametric estimation based cumulative probability density function. A Back-Propagation NN (BPNN) algorithm is used for the overall WT condition assessment. The inputs to the BPNN are the ALIs of the proposed indices. The network structure and the number of nodes in the hidden layer are carefully chosen when the BPNN model is being trained. The condition
assessment method has been used for real 1.5 MW WTs with doubly fed induction generators. Results show that the proposed assessment method could effectively predict the change of operating conditions prior to fault occurrences and provide early alarming of the developing faults of WTs.
#Condition assessment #Prediction model #Neural network #SCADA data #Wind turbine

목차

Abstract
1. Introduction
2. Parameter Description and Classification
3. Prediction model development
4. Abnormal Level Quantification
5. The BPNN Model for WT Condition Assessment
6. Verification and Analysis
7. Conclusions
References

참고문헌 (44)

참고문헌 신청
Chehouri A and Younes R: “Review of performance optimization techniques applied to wind turbines”, Applied Energy, vol. 142, pp. 361-388, 2015. Yuan XM: “Overview of problems in large-scale wind integrations”, Journal of Modern Power Systems and Clean Energy, vol. 1, no. 1, pp. 22-25, 2013. Gil MDP, Gomis-bellmunt O, and Sumper A: “Technical and economic assessment of offshore wind power plants based on variable frequency operation of clusters with a single power converter”, Applied Energy, vol. 125, no. 21, pp. 218-229, 2014. Yang WX, Tavner PJ, Crabtree CJ, Feng Y, and Qiu Y: “Wind turbine condition monitoring: technical and commercial challenges”, Wind Energy, vol. 17, no. 5, pp. 673-693, 2014. Johan R and Margareta BL: “Survey of failures in wind power systems with focus on Swedish wind power plants during 1997-2005”, IEEE Transactions on Energy Conversion, vol. 22, no. 1, pp. 167-173, 2007.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2017-560-002172601