基于边缘智能的风电机组设备监测系统

来源：电子测量技术杂志2023年第2期北京时间：

作者：张西晨，徐璐

单位：浙江理工大学信息科学与工程学院 杭州 310018

摘要：在工业物联网中，风力涡轮机的数据采集与监视控制系统(SCADA)产生的海量数据因实时性要求，不适合直接送到云端处理。本文设计并搭建了一套基于边缘智能技术的微型风电机组设备状态监测系统。针对风电机组的转动、振动进行异常监测，对比并分析了OC-SVM、孤立森林和HBOS三种无监督异常检测算法结果。实验结果表明，单类支持向量机算法在转动异常测试集上的F1分数为0.997，在振动异常测试集上的F1分数为0.969，具有较好的实时异常检测效果。本文能够为边缘侧训练与推理方案的落地性验证提供一定的参考价值。

关键词：风力涡轮机;边缘智能;异常检测;单类支持向量机;孤立森林

基金资助：浙江省重点研发计划项目（2020C03094)、浙江省自然科学基金青年基金(LQ20F050010)项目资助