2025, 08, No.60 15-17
风电场运行维护中的监测与诊断技术研究
基金项目(Foundation):
邮箱(Email):
DOI:
| 19 | 0 | 10 |
| 下载次数 | 被引频次 | 阅读次数 |
摘要：
本文针对风电场运行维护面临的挑战，提出了一种基于边缘计算、人工智能和数字孪生的智能监测与诊断技术方案。通过在风电机组关键部位部署边缘计算节点实现数据的实时采集与预处理，运用LSTM深度学习网络构建智能诊断模型，结合数字孪生技术优化维护决策。在某沿海风电场的实验验证表明，该方案使故障诊断准确率达到95.2%，特征提取时间降低41.6%，实现了风电场运维效率和可靠性的显著提升。
Abstract：
参考文献
[1]万石林.基于行波测距的35 kV风电场集电线路故障跳闸分析[J].电工材料，2024(5):57-60.
[2]谭霖，张欣，陈仕祥.风电场风力发电机组运行故障及维护策略研究[J].现代制造技术与装备，2024,60(9):108-110.
[3]王勇.风电场集电线路电缆故障定位隔离研究[J].电力设备管理，2024(16):120-122.
[4]张立宪.风电场并网技术及其对电力系统的影响[J].中国高新科技，2024(16):108-110.
[5]李亚州，王昊天，任建强，等.数字孪生技术在智慧风电场中的应用[J].电子技术，2024,53(8):124-126.
基本信息:
DOI：
中图分类号:TM614;TP274
引用信息:
[1]吴志明.风电场运行维护中的监测与诊断技术研究[J].电气技术与经济,2025,No.60(08):15-17.
基金信息: