Temel Kavramlar
제한된 데이터로도 풍력 터빈의 이상 행동을 효과적으로 탐지할 수 있다.
Özet
이 연구는 풍력 터빈의 이상 탐지를 위한 오토인코더 기반 모델에 전이 학습을 적용하는 방법을 탐구했다. 두 가지 유형의 전이 학습 모델을 연구했는데, 하나는 동일 풍력 단지 내 터빈 간 전이 학습이고 다른 하나는 다수의 터빈 데이터로 학습한 모델을 단일 대상 터빈에 전이하는 방식이다.
동일 풍력 단지 내 터빈 간 전이 학습 모델은 1-3개월의 적은 데이터로도 기준 모델 수준의 성능을 보였다. 반면 다수 터빈 데이터로 학습한 모델은 성능이 다소 떨어졌다. 전이 학습 방식 중에서는 디코더만 미세 조정하는 방식이 가장 좋은 결과를 보였다.
세 가지 사례 연구를 통해 전이 학습 모델이 제한된 데이터로도 풍력 터빈의 고장을 효과적으로 탐지할 수 있음을 보였다. 이는 전이 학습이 풍력 터빈 이상 탐지에 유용하게 활용될 수 있음을 시사한다.
İstatistikler
풍력 터빈 고장으로 인한 센서 측정값의 변화가 감지되었다.
고장 발생 후 일부 센서 측정값에 드리프트가 발생했다.
기어박스 고장으로 인한 이상 징후가 감지되었다.
Alıntılar
"제한된 데이터로도 풍력 터빈의 이상 행동을 효과적으로 탐지할 수 있다."
"전이 학습이 풍력 터빈 이상 탐지에 유용하게 활용될 수 있음을 시사한다."