Neural networks for wind turbine supervision

Abstract

Wind energy converters are generally working under very variable conditions which require high maintenance costs. Therefore, it is important to supervise their behavior in order to provide an accurate and reliable forecasts of the energy production. The aim of this paper is to demonstrate a monitoring system for wind turbines which will result in a cost reduction of maintenance and an improvement of the cost/benefit ratio of wind energy. As it is very difficult to define the faulty behavior, we propose to use autoassociators networks in order to process the information which is available under operating conditions. These networks are used to detect any modification of the behaviour of the wind converter. This system complements the standard monitoring equipment of the wind energy converters to yield detailed on-line information on the state of the machines.

Zusammenfassung

Windenergiekonverter arbeiten im Allgemeinen unter sehr variablen Bedingungen, die hohe Unterhaltskosten benötigen. Folglich ist es wichtig, ihr Verhalten zu überwachen, um genaue und zuverlässige Prognosen der Energieproduktion zu ermöglichen.

Dieser Beitrag zielt darauf ab, eine Überwachungsanlage für Windturbinen vorzustellen, die eine Kostenaufstellung der Wartung und der Verbesserung des Preis-Leistungs-Verhältnisses von Windenergie ergeben. Da es sehr schwierig ist, das fehlerhafte Verhalten zu definieren, schlagen wir vor, autoassoziative Netze für die Verarbeitung der Information zu verwenden, die unter Betriebsbedingungen vorhanden sind.

Diese Netze werden genutzt, um jede mögliche Änderung im Verhalten des Windkonverters zu ermitteln. Dieses System ergänzt die Überwachungsstandardausrüstung der Windenergiekonverter, um eine richtige Online-Information über den Maschinenzustand zu vermitteln.