Wind turbine fault diagnosis based on transfer learning and convolutional autoencoder with small-scale data

Condition monitoring and fault diagnosis for wind turbines can effectively reduce the impact of failures. However, many wind turbines cannot establish fault diagnosis models due to insufficient data. The operational data of similar wind turbines usually contain some universal information about failu...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Renewable energy Ročník 171; s. 103 - 115
Hlavní autoři:	Li, Yanting, Jiang, Wenbo, Zhang, Guangyao, Shu, Lianjie
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier Ltd 01.06.2021
Témata:	Convolutional autoencoder exhibitions Fault diagnosis learning monitoring renewable energy sources Small-scale data Transfer learning Wind turbine wind turbines ANN CNN LSTM AE Transfer learning CAE SSI GP SVM Convolutional autoencoder TTL Fault diagnosis DAN DT TCA RF WWEA AE-TL CAE-TL Small-scale data Wind turbine DaNN SCL SCADA
ISSN:	0960-1481, 1879-0682
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!