.png){kind=icon}
返回
A method using SCADA data for diagnosing wind turbine’s anemometer systematic errors
.png){kind=icon}
PRE
AI
DOI：10.1016/j.renene.2025.125081.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
风速计未能准确测量风速，显著影响风力涡轮机的转换效率，以及年度发电量预测和发电效率。然而，现有方法未能充分考虑到局部环境因素和风力涡轮机的运行条件。本文提出了一种新颖的诊断方法，用于识别风力涡轮机中风速计的系统误差，该方法仅基于SCADA数据，并纳入了环境因素（特别是入流湍流强度）和涡轮机运行条件。所提出的诊断框架通过在复杂地形中的风电场内三台风力涡轮机进行测试，证明了其在检测系统误差方面的高效性。结果表明，该方法与风洞实验结果吻合良好，均方误差（MSE, m² s⁻²）分别为0.0012和0.0062，相关系数（C.C.）分别为0.974和0.717。此外，模型中包含湍流强度显著提高了不同风速下的诊断性能。另外，分析误差随风速的变化显示出识别风速计误差原因的巨大潜力。
期刊
IF:
9.1
论文数:
2.6W
被引数:
12.1W
机构
引用论文
Advanced Methods for Wind Turbine Performance Analysis Based on SCADA Data and CFD Simulations基于SCADA数据和CFD模拟的风力涡轮机性能分析的先进方法.png)
Energies
OAAI
EnergiesIF0
OAAI分享收藏分享收藏A Survey on Wind Turbine Condition Monitoring and Fault Diagnosis-Part I: Components and Subsystems
PREAI
分享收藏Applications and Modeling Techniques of Wind Turbine Power Curve for Wind Farms—A ReviewEnergiesOAAI
EnergiesIF0
OAAI分享收藏分享收藏Robust estimation and diagnosis of wind turbine pitch misalignments at a wind farm levelRENEWABLE ENERGY
OAAI
RENEWABLE ENERGYIF9.1
OAAI分享收藏
查看更多内容