Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

02.03.2018

Wind power generation fault diagnosis based on deep learning model in internet of things (IoT) with clusters

Zeitschrift:
Cluster Computing
Autoren:
Fei Chen, Zhongguang Fu, Zhiling Yang

Abstract

With the rapid development of wind power capacity and sustained growth in total operation time, the maintenance of wind turbines is becoming increasingly prominent, so we urgently need to develop effective wind turbine fault diagnosis and prediction system. The main fault characteristics of wind turbines are summarized from two aspects of fault diagnosis and fault prediction. Aiming at the difficult problems of fault diagnosis, we analyze and summarize the research status of fault diagnosis methods based on vibration, electrical signal analysis and pattern recognition algorithm. At the same time, we point out the technical characteristics, limitations and future trends of various methods. Based on the characteristics of mechanical structure and electronic system degradation in wind turbines, we summarize the current research progress and propose a fault prediction method based on physical failure model and data driven model fusion. In this paper, we use the deep learning model in the framework of the internet of things to predict and diagnose the faults of wind power generation. The experimental results show that the algorithm proposed in this paper can predict the fault types and make reasonable diagnosis.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

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

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

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

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

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

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb

Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Premium Partner

    Bildnachweise