Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightÖnerilen çözümde, faaliyetteki bir rüzgar çiftliği bünyesindeki türbinler değerlendirilmektedir.
📌 3 Maddede Bu Makale
Özet
Dünya çapında sayısı artmakta olan rüzgar enerji santrallerinin (RES) işletme ve bakım maliyetleri, üretimin karlılığını belirleyen önemli bir kalemdir. Kestirimci bakım yöntemleriyle rüzgar türbinlerinin güvenli çalışma süreleri uzatılabilmesinin yanında, işletme ve bakım maliyetleri de düşürülebilir. Çalışmamızda, rüzgar türbini ve bileşenlerine dair bir kestirimci bakım yöntemi sunılmaktadır. Kalan faydalı ömür (RUL) yaklaşımıyla, arızaların ne kadar süre sonra gerçekleşeceği ve arızaların hangi alt sistemde meydana geleceği LSTM (Long Short-Term Memory) gibi sıralı derin öğrenme yöntemleriyle tahmin edilebilmektedir. Önerilen çözümde, faaliyetteki bir rüzgar çiftliği bünyesindeki türbinler değerlendirilmektedir.
Abstract
The operation and maintenance cost of wind power plants (WPP) whose numbers are increasing worldwide, is an important item that determines the energy prices. Safe operating periods of wind turbines can be extended, operation and maintenance costs can be reduced with predictive maintenance methods. In our study, a predictive maintenance method considering the wind turbine and its components is presented. With the remaining useful life (RUL) approach, the time before the next failure for a particular subsystem can be predicted using sequential deep learning methods such as LSTM (Long Short-Term Memory). In the proposed solution, turbines within an operational wind farm are considered.