Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Advances in Manufacturing
Erschienen in: Advances in Manufacturing 1/2014

01.03.2014

Wind turbine fault detection based on SCADA data analysis using ANN

verfasst von: Zhen-You Zhang, Ke-Sheng Wang

Erschienen in: Advances in Manufacturing | Ausgabe 1/2014

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Wind energy is one of the fast growing sources of power production currently, and there is a great demand to reduce the cost of operation and maintenance. Most wind farms have installed supervisory control and data acquisition (SCADA) systems for system control and logging data. However, the collected data are not used effectively. This paper proposes a fault detection method for main bearing wind turbine based on existing SCADA data using an artificial neural network (ANN). The ANN model for the normal behavior is established, and the difference between theoretical and actual values of the parameters is then calculated. Thus the early stage of main bearing fault can be identified to let the operator have sufficient time to make more informed decisions for maintenance.
Vorheriger Artikel SCADA data based condition monitoring of wind turbines
Nächster Artikel Models for lifetime estimation: an overview with focus on applications to wind turbines

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren
Literatur
1.
Global Wind Energy Council (2013) Global wind statistics 2012, pp 1–4
2.
Blanco MI (2009) The economics of wind energy. Renew Sustain Energy Rev 13(6–7):1372–1382CrossRef
3.
Pinar Pérez JM, García Márquez FP, Tobias A et al (2013) Wind turbine reliability analysis. Renew Sustain Energy Rev 23:463–472CrossRef
4.
Becker E, Poste P (2006) Keeping the condition monitoring of wind turbine gears. Wind Energy 7(2):26–32
5.
Laouti N. Sheibat-Othman N, Othman S (2011) Support vector machines for fault detection in wind turbines. In: The 18th IFAC world congress, Milan, Italy, pp 7067–7072
6.
Wang K (2005) Applied computational intelligence in intelligent manufacturing systems. Advanced Knowledge International Pty Ltd, Australia
7.
8.
Rumelhart DE, Hinton GE, Williams RJ (1986) Learning internal representations by error propagation. In: Rumenhart DE, McCelland JL (eds) Parallel distributed processing: explorations in the microstructure of cognition. MIT Press, Cambridge, pp 318–362
9.
Verma A, Kusiak A (2012) Fault monitoring of wind turbine generator brushes: a data-mining approach. J Sol Energy Eng, doi:10.​1115/​1.​4005624
10.
Hansen MOL (2007) Aerodynamics of wind turbines. 2nd edn. Earthscan, London
11.
Zaher A, McArthur SDJ, Infield DG et al (2009) Online wind turbine fault detection through automated SCADA data analysis. Wind Energy 12(6):574–593CrossRef
12.
Garcia MC, Sanz-Bobi MA, del Pico J (2006) SIMAP: intelligent system for predictive maintenance application to the health condition monitoring of a wind turbine gearbox. Comput Ind 57(6):552–568CrossRef
Metadaten
Titel
Wind turbine fault detection based on SCADA data analysis using ANN
verfasst von
Zhen-You Zhang
Ke-Sheng Wang
Publikationsdatum
01.03.2014
Verlag
Shanghai University
Erschienen in
Advances in Manufacturing / Ausgabe 1/2014
Print ISSN: 2095-3127
Elektronische ISSN: 2195-3597
DOI
https://doi.org/10.1007/s40436-014-0061-6

Weitere Artikel der Ausgabe 1/2014

Advances in Manufacturing 1/2014 Zur Ausgabe

OriginalPaper

SCADA data based condition monitoring of wind turbines

OriginalPaper

Phase error correction for fringe projection profilometry by using constrained cubic spline

OriginalPaper

Models for lifetime estimation: an overview with focus on applications to wind turbines

OriginalPaper

Toward intelligent manufacturing: label characters marking and recognition method for steel products with machine vision

OriginalPaper

Graph representation of n-dimensional space

OriginalPaper

Evaluation of thermal imaging system and thermal radiation detector for real-time condition monitoring of high power frequency converters

Premium Partner

    Marktübersichten

    Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

    Zur Marktübersicht
    Bildnachweise