MétaCan
Menu
Retour à la cohorte
Enregistrement W3199702169 · doi:10.1049/rpg2.12281

Comprehensive aging assessment of pitch systems combining SCADA and failure data

2021· article· en· W3199702169 sur OpenAlexaff
Lu Wei, Zheng Qian, Hamidreza Zareipour, Fanghong Zhang

Notice bibliographique

RevueIET Renewable Power Generation · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueMachine Fault Diagnosis Techniques
Établissements canadiensUniversity of Calgary
Organismes subventionnairesProgram for Changjiang Scholars and Innovative Research Team in University
Mots-clésSCADAReliability engineeringComputer scienceEngineeringElectrical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Due to the recent rapid development of the wind energy industry, many wind turbines that have been operational over long periods will face degradation caused by aging effects; hence, an appropriate aging assessment method for wind turbines and their components is essential for optimizing the asset management and maintenance strategy of a wind farm. An aging assessment method is proposed for wind‐turbine electric‐pitch systems by introducing four individual aging indicators based on the examination of supervisory control and data acquisition (SCADA) and failure data, i.e. function, energy‐consumption, temperature, and reliability indicators. To obtain a reliable comprehensive assessment, an information‐fusion method has been developed based on a given reference value; the weighting factors in the information fusion were calculated based on the reference value, while reliability and robustness were verified using the SCADA and failure data from a wind farm over three years.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,603
Score d'incertitude au seuil0,669

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,031
Tête enseignante GPT0,309
Écart entre enseignants0,278 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIET Renewable Power GenerationMême sujetMachine Fault Diagnosis TechniquesTravaux en français237 207