SCADAのデータ分解能が機械学習のブレード異常検知に与えるの影響

カテゴリ: 研究会(論文単位)

論文No: FTE23008,PE23100,HV23048

グループ名: 【B】電力・エネルギー部門 新エネルギ－・環境/【B】電力・エネルギー部門 電力技術/【B】電力・エネルギー部門 高電圧合同研究会

発行日: 2023/06/05

タイトル(英語): Effect of SCADA data resolution on machine learning blade anomaly detection

著者名: 内藤 広貴(中部大学),松岡 一輝(中部大学),松井 拓斗(中部大学),山本 和男(中部大学)

著者名(英語): Koki Naito(Chubu University),Kazuki Matuoka(Chubu University),Takuto Matsui(Chubu University),Kazuo Yamamoto(Chubu University)

キーワード: 雷|風車|異常検知|混合正規分布|ＳＣＡＤＡ|時間分解能|Lightning|Wind turbine|Anomaly detection|Gaussian mixture model|SCADA|Time resolution

要約(日本語): 風力発電は発電コストが比較的安価な再生可能エネルギーを用いた発電方式として注目されており，普及が進んでいる。その一方，落雷によるブレード被害が数多く報告されており，ブレードの異常検知手法確立が望まれている。近年，SCADAのデータを，機械学習を用いて分析する異常検知手法に関する研究が進められており，本稿では，SCADAのデータの時間分解能がGMMを用いたブレード異常検知精度に与える影響について考察した結果を報告する。

要約(英語): Wind power generation is attracting attention as a power generation method using renewable energy with low power generation costs, and is becoming more widespread. On the other hand, there have been many reports of blade damage due to lightning strikes, and the establishment of a blade anomaly detection method is desired. In recent years, research has progressed on anomaly detection methods that use machine learning to analyze SCADA data. This paper reports the effect of time resolution of SCADA data on blade anomaly detection accuracy using Gaussian Mixture Model is reported.

本誌: 2023年6月8日-2023年6月9日新エネルギ－・環境/電力技術/高電圧合同研究会

本誌掲載ページ: 45-50 p

原稿種別: 日本語

PDFファイルサイズ: 1,994 Kバイト