【成果】盛立教授团队在基于SCADA和神经网络的风力涡轮机状态监测综述方面取得进展

  近日，公司控制科学与工程专业盛立教授团队在基于SCADA的风力涡轮机状态监测综述方面取得进展，相关研究成果A review of SCADA-based condition monitoring for wind turbines via artificial neural networks发表在《Neurocomputing》。《Neurocomputing》是人工神经网络领域的国际知名期刊，目前影响因子为6.5（SCI二区）。论文第一作者为盛立教授，第二作者为博士研究生李春昱，通讯作者为盛立教授，BB贝博艾弗森为第一署名单位和通讯单位，该研究得到国家重点研发计划、国家自然科学基金、山东省自然科学基金和山东省泰山学者研究基金的资助支持。

图1 论文首页

近年来，监控和数据采集（SCADA）数据在风力涡轮机状态监测领域获得了越来越多的研究关注，人工智能（AI）技术已被广泛应用于解决状态监测挑战，而人工神经网络（ANN）被认为是现代AI的基础组件，已被证明是特别有效的工具，风力涡轮机状态监测的重点是分析涡轮机的运行参数，以实现早期故障检测、精确诊断和准确诊断，从而降低灾难性故障的风险，增强系统可靠性，并提高风电场的运行效率。由于缺失值和异常数据的存在，在将数据送入ANN模型之前，数据清洗等预处理步骤至关重要。此外，ANN体系结构的选择通常取决于状态监测任务的具体要求。

图2 状态监测操作顺序

论文链接：https://doi.org/10.1016/j.neucom.2025.129830