基于人工智能的风力涡轮机系统故障检测研究：SVM与ANN方法的对比分析

《Scientific Reports》：Data-driven fault detection in wind turbine systems using support vector machines and artificial neural networks

　　

摘要

风力涡轮机系统的效率和可靠性对于清洁能源和可持续能源的生产至关重要。传感器、执行器或其他系统组件的故障可能会影响系统功能并增加维护成本。本研究提出了一种基于数据的方法，利用人工智能（AI）技术进行风力涡轮机系统的故障检测，包括支持向量机（SVM）和人工神经网络（ANN），并将随机森林（RF）作为额外的基线进行比较。在FAST/Simulink环境中，基于真实的湍流风况条件，实现了一个综合的变速风力涡轮机系统基准模型。对关键系统变量（即发电机转速、发电功率和叶片桨距角）进行了监测。引入多种故障场景来评估系统性能。采用五折分块时间交叉验证策略评估模型的泛化性能，同时保留模拟数据的时间顺序。仿真结果表明，故障检测性能在很大程度上取决于故障类型，其中SVM和ANN通常比RF表现出更强的性能，而ANN在某些非线性且具有挑战性的故障模式上表现出优势，尤其是在噪声条件下的召回率和鲁棒性方面。本研究表明，基于AI的数据驱动方法在增强故障检测能力和提高风力涡轮机系统可靠性方面具有显著效果。