LSTM-Autoencoder를 이용한 부유식 풍력터빈 블레이드 피치 시스템의 이상징후 감지

조성필

추천

검색

질문

자료유형: 학술저널

저자정보: 조성필 (한국항공대학교)

저널정보: 항공우주시스템공학회 항공우주시스템공학회지 항공우주시스템공학회지 제18권 제4호

발행연도: 2024.08

수록면: 43 - 52 (10page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 논문은 부유식 풍력터빈의 블레이드 피치 시스템에서 발생하는 이상을 조기에 감지하기 위한 LSTM-Autoencoder 모델 기반의 이상징후 감지 시스템을 설명한다. 발전소 모니터링 시스템에 활용되는 센서 데이터는 주로 시계열 데이터로 구성되며, LSTM 네트워크는 이러한 시계열 데이터를 분석하기 위해 두 개의 단방향 LSTM 네트워크로 구성된다. 이를 통해 순차 데이터에 숨겨진 장기 의존성을 효과적으로 발견할 수 있다. 한편, 오토인코더 메커니즘은 정상상태 데이터로부터만 학습하여 이상상태를 분류될 수 있기 때문에 이 두 가지 네트워크를 결합하여 시스템에 발생하는 이상징후를 효과적으로 감지할 수 있다. 제안된 프레임워크의 효과를 입증하기 위해 풍력 터빈 모델에서 수집한 실제 다변량 시계열 데이터셋을 적용하였다. LSTM-AE 모델은 높은 이상징후 감지 정확도를 달성하여 우수한 성능을 보였다.

#Floating wind turbine(부유식 풍력터빈) #Blade pitch system(블레이드 피치 시스템) #Anomaly detection(이상징후 감지) #Long short-term memory(장단기 메모리) #Autoencoder(오토인코더)

참고문헌 (33)

참고문헌 신청

I. Dinwoodie, D. McMillan, M. Revie, I. Lazakis, Y. Dalgic, “Development of a combined operational and strategic decision support model for offshore wind,” Energy Procedia, vol. 35, pp. 157-166, 2013.

J.B. Gayo, Reliability-focused Research on Optimizing Wind Energy System Design, Operation and Maintenance: Tools, Proof of Concepts, Guidelines & Methodologies for a New Generation, Final Publishable Summary of Results of Project ReliaWind, 2011.

J. Carroll, A. McDonald, D. McMillan, “Failure rate, repair time and unscheduled O&M cost analysis of offshore wind turbines,” Wind Energy, vol. 19, pp. 1107-1119, 2016.

Cho S, Bachynski E, Rasekhi Nejad A, Gao Z, Moan T. “Numerical modeling of hydraulic blade pitch actuator in a spar-type floating wind turbine considering fault conditions and their effects on global dynamic responses,” Wind Energy, vol. 23, no. 2, pp. 370-390, 2020.

S. Cho, Z. Gao, T. Moan, “Model-based fault detection, fault isolation and fault tolerant control of a blade pitch system in floating wind turbines,” Renewable Energy, vol. 120, pp. 306-321, 2018.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문과 함께 이용한 논문

SARIMAX 및 LSTM을 활용한 한반도 지역의 초미세먼지 예보 평가

이채연 , 김동건 , 이주용 외 5명 한국대기환경학회 학술대회논문집 2024 .10

EfficientNet과 LSTM을 활용한 병해 진행도 예측 시스템

최은성 , 정세훈 , 심춘보 멀티미디어학회논문지 2024 .09

장단기 기억 신경망(LSTM)을 활용한 인천해역 꽃게 어획량 예측과 해군작전 활용 고찰

박민규 , 구창모 , 변상신 Journal of the KNST 2024 .09

3D CNN-LSTM 알고리즘을 이용한 손동작 비디오 영상 분류

김민주 , 고진환 한국산학기술학회 논문지 2024 .09

리튬이온 배터리 EIS 기반 데이터 민감도 분석을 통한 최적 주파수 인자 탐지 및 LSTM 기반 SOH 추정

이재형 , 고보명 , 이성준 외 1명 한국자동차공학회 춘계학술대회 2024 .06

최근 본 자료

전체보기

UCI(KEPA) : I410-151-24-02-090677066

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (33)

함께 읽어보면 좋을 논문

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)