Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "SCADA" wg kryterium: Temat


Wyświetlanie 1-7 z 7
Tytuł:
Analysing wind turbine state dynamics for fault diagnosis
Autorzy:
Bartolini, N.
Scappaticci, L.
Garinei, A.
Becchetti, M.
Terzi, L.
Powiązania:
https://bibliotekanauki.pl/articles/329524.pdf
Data publikacji:
2016
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
wind energy
wind turbine
SCADA system
fault diagnosis
energia wiatrowa
turbina wiatrowa
system SCADA
diagnostyka uszkodzeń
Opis:
Supervisory Control And Data Acquisition (SCADA) systems have recently become ubiquitous in wind energy technology. SCADA data analysis actually can provide considerable performance improvement at low cost. This also boosts wind energy exploitation, because it enlarges short and long term economic sustainability of investments. Nevertheless, SCADA data analysis poses several scientific and technological challenges, mostly related to the vastness of the data sets required for significant analysis. Separating the signal from the noise is therefore a complex task. In the present work, this issue is tackled by the point of view of state dynamics of wind turbines. SCADA control systems often record superabundant and ambiguous information. Therefore, in this work it is shown that hierarchical classification of information and time discretization of the continuous motion of states are powerful tools. The time-discretized state dynamics is processed in the formulation of several indices for performance evaluation and fault diagnosis. The method is tested on the data set of a wind farm owned by Renvico s.r.l. and sited in Italy.
Źródło:
Diagnostyka; 2016, 17, 4; 19-25
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Diagnosis of wind turbine misalignment through SCADA data
Autorzy:
Astolfi, D.
Castellani, F.
Scappaticci, L.
Terzi, L.
Powiązania:
https://bibliotekanauki.pl/articles/327708.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
wind energy
wind turbine
SCADA system
fault diagnosis
energia wiatru
turbina wiatrowa
SCADA
system kontroli
diagnostyka uszkodzeń
Opis:
Optimal alignment of wind turbines to the wind direction is a crucial condition for the quality of power output and for the health of the turbines. Actually, bad alignment can cause degraded performances and dangerous loads that can affect, on the long run, the mechanical safety of the wind turbine. Supervisory Control And Data Acquisition (SCADA) systems are becoming widespread in modern wind energy technology because of the appreciable costs – benefits ratio. The common time scale of SCADA, yet, usually is not effective for misalignment diagnosis because the wind varies too rapidly. For this reason, misalignment is often diagnosed using ad hoc techniques as LIDAR-based or spinner anemometers. In the present work, it is shown that very useful indications for the diagnosis of misalignment can be obtained also from the SCADA data, without invoking expensive supplementary control techniques. The method is validated on the data set of a wind farm sited in Italy.
Źródło:
Diagnostyka; 2017, 18, 1; 17-24
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Identification of submersible pump temperature changes model using KDD methods
Identyfikacja modelu zmian temperatury pompy głębinowej z zastosowaniem metod odkrywania wiedzy w bazach danych
Autorzy:
Wachla, D.
Powiązania:
https://bibliotekanauki.pl/articles/327824.pdf
Data publikacji:
2006
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
baza danych
wiedza
identyfikacja systemów
algorytm genetyczny
metoda wektorów wspomagających
selekcja atrybutów
system SCADA
database
knowledge
system identification
genetic algorithm
support vector machines
attributes selection
SCADA systems
Opis:
This paper deals with the problem of the autoregressive model identification using KDD methods. In the considered problem, the autoregressive models are applied to describe dynamics processes of various technical systems. In particular, a method of functional dependencies discovering was presented. The method was designed for exploring data sets gathered by industrial SCADA systems. For the problem of the identification of pump temperature changes model, the method was verified. For this particular reason, a set of data was used which was gathered by submersible pumping station SCADA system. The assumptions, the exemplary results of the conducted research and conclusions were presented, as well.
W artykule poruszono problem identyfikacji modeli autoregresyjnych opisujących dynamikę obserwowanych procesów. W szczególności przedstawiono metodę odkrywania zależności funkcyjnych w zbiorach danych gromadzonych przez przemysłowe systemy SCADA. Opracowaną metodę zweryfikowano dla problemu identyfikacji modelu zmian temperatury pompy głębinowej. W tym celu zastosowano fragment danych zgromadzony przez system rejestracji danych współpracujący pompownią głębinową. Przedstawiono przyjęte założenia, fragmenty uzyskanych wyników oraz wnioski z przeprowadzonych badań.
Źródło:
Diagnostyka; 2006, 2(38); 41-44
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Condition monitoring of wind turbines based on cointegration analysis of gearbox and generator temperature data
Diagnostyka turbiny wiatrowej w oparciu o analizę kointegracji sygnałów temperatury z przekładni oraz generatora
Autorzy:
Dao, P. B.
Powiązania:
https://bibliotekanauki.pl/articles/329322.pdf
Data publikacji:
2018
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
wind turbine
varying environmental conditions
operational conditions
condition monitoring
fault detection
cointegration
SCADA system
turbina wiatrowa
zmienne warunki środowiskowe
zmienne warunki eksploatacyjne
monitorowanie stanu
wykrywanie uszkodzeń
kointegracja
system SCADA
Opis:
This paper presents a cointegration-based method for condition monitoring of wind turbines. Analysis of cointegration residuals - obtained from cointegration process of wind turbine data - is used for operational condition monitoring and fault detection. The method has been employed for on-line condition monitoring of a wind turbine drivetrain with a nominal power of 2 MW under varying environmental and operational conditions using only the temperature data of gearbox bearing and generator winding, which were collected by the Supervisory Control and Data Acquisition (SCADA) system. The results show that the proposed method can effectively monitor the wind turbine and reliably detect the gearbox fault.
Artykuł przedstawia metodę kointegracji sygnałów do monitorowania stanu turbiny wiatrowej. Analiza wektorów resztkowych kointegracji wykorzystana została do monitorowania stanu turbiny wiatrowej o mocy nominalnej 2 MW. Diagnostykę turbiny wiatrowej przeprowadzono dla zmiennych warunków środowiskowych i eksploatacyjnych, tylko w oparciu o sygnały temperatury łożyska przekładni i uzwojenia generatora. Sygnały te zostały zgromadzone przez system sterowania, monitorowania oraz wizualizacji SCADA. Wyniki pokazują, że proponowana metoda może skutecznie monitorować turbinę wiatrową i niezawodnie wykryć uszkodzenie przekładni.
Źródło:
Diagnostyka; 2018, 19, 1; 63-71
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Fault prevention and diagnosis through scada temperature data analysis of an onshore wind farm
Autorzy:
Astolfi, D.
Castellani, F.
Terzi, L.
Powiązania:
https://bibliotekanauki.pl/articles/328436.pdf
Data publikacji:
2014
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
wind energy
wind turbine
SCADA
control system
fault diagnosis
energia wiatru
turbina wiatrowa
system kontroli
diagnoza
błąd
Opis:
Wind turbines, due to the distribution of the source, are an energy conversion system having low density on the territory, whose operational behaviour and production on the short term strongly depends on the stochastic nature of wind. They therefore need accurate assessment prior installation and careful condition monitoring in the operative phase. In the present work, smart post processing of Supervisory Control And Data Acquisition (SCADA) control system data sets is employed for fault prevention and diagnosis through the analysis of the temperatures of the machines. Automatic routines are developed for monitoring the evolution of all the temperature SCADA channels against power production. The methods are tested on an onshore wind farm sited in southern Italy, where nine turbines with 2 MW rated power are installed. The tests are performed both ex post and in real time: it is shown that in the former case, a major mechanical problem is detected, and in the latter case a significant problem to the cooling system is identified before compromising turbine functionality.
Źródło:
Diagnostyka; 2014, 15, 2; 71-78
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Wind turbine fault diagnosis through temperature analysis: an artificial neural network approach
Autorzy:
Mana, M.
Piccioni, E.
Terzi, L.
Powiązania:
https://bibliotekanauki.pl/articles/328067.pdf
Data publikacji:
2017
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
artificial neural networks
wind turbine
fault diagnosis
wind energy
SCADA
sztuczna sieć neuronowa
turbina wiatrowa
energia wiatru
diagnostyka uszkodzeń
Opis:
Wind turbines undergo dynamic loads along all the phases of transformation of wind kinetic energy into power output to be fed into the grid. Gearbox breakdowns are one of the most common and most severe causes of energy losses and it is therefore crucial to prevent and forecast them. Straightforward vibration analysis is very demanding by the point of view of technology, costs and complexity of signal denoising. A considerable keystone in fault diagnosis is the analysis of Supervisory Control And Data Acquisition (SCADA) systems. In particular, thermal behaviour of wind turbines fits well with the common time scale of SCADA data; heating trends are fairly responsive as a consequence of rotor vibration. Machine learning techniques applied to SCADA data are very powerful in reconstructing inputs - output dependency. On these grounds, in this work an Artificial Neural Network approach is proposed for early diagnosis of gearbox faults. The method is validated on the data of a wind farm operating in Italy. It is shown that the method is capable in recognizing incoming faults with a very manageable advance also with data on short time scales.
Źródło:
Diagnostyka; 2017, 18, 1; 9-16
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A new data mining approach for power performance verification of an on-shore wind farm
Autorzy:
Castellani, F.
Garinei, A.
Terzi, L.
Astolfi, D.
Moretti, M.
Lombardi, A.
Powiązania:
https://bibliotekanauki.pl/articles/328750.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
Tematy:
wind energy
renewable energy
wind turbine performance
data mining
SCADA database
control systems
fault diagnosis
performance optimization
wind turbine power output
Opis:
Monitoring wind energy production is fundamental to improve the performances of a wind farm during the operational phase. In order to perform reliable operational analysis, data mining of all available information spreading out from turbine control systems is required. In this work a SCADA (Supervisory Control And Data Acquisition) data analysis was performed on a small wind farm and new post-processing methods are proposed for condition monitoring of the aerogenerators. Indicators are defined to detect the malfunctioning of a wind turbine and to select meaningful data to investigate the causes of the anomalous behaviour of a turbine. The operating state database is used to collect information about the proper power production of a wind turbine and a number map has been codified for converting the performance analysis problem into a purely numerical one. Statistical analysis on the number map clearly helps in detecting operational anomalies, providing diagnosis for their reasons. The most operationally stressed turbines are systematically detected through the proposal of two Malfunctioning Indices. Results demonstrate that a proper selection of the SCADA data can be very useful to measure the real performances of a wind farm and thus to define optimal repair/replacement and preventive maintenance policies that play a major role in case of energy production.
Źródło:
Diagnostyka; 2013, 14, 4; 35-42
1641-6414
2449-5220
Pojawia się w:
Diagnostyka
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-7 z 7

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies