Εμφάνιση απλής εγγραφής

Βελτιστοποίηση της συντήρησης ανεμογεννητριών με χρήση δεδομένων SCADA

dc.contributor.advisorDrosos, Christos
dc.contributor.authorΚουτρουμπής, Χρήστος
dc.date.accessioned2024-07-19T07:59:49Z
dc.date.available2024-07-19T07:59:49Z
dc.date.issued2024-06-27
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/7111
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-6945
dc.description.abstractΜε την αυξανόμενη ζήτηση για ανανεώσιμες πηγές ενέργειας, οι ανεμογεννήτριες έχουν γίνει ένα πανταχού παρόν σε πολλές περιοχές. Ωστόσο, η συντήρηση αυτών των πολύπλοκων μηχανών μπορεί να είναι δύσκολη και δαπανηρή, ιδίως λόγω των απομακρυσμένων τοποθεσιών τους. Για την αντιμετώπιση αυτού του ζητήματος, πολλοί φορείς εκμετάλλευσης αιολικών πάρκων έχουν στραφεί σε συστήματα SCADA (Εποπτικός έλεγχος και απόκτηση δεδομένων), χρησιμοποιώντας δεδομένα πραγματικού κόσμου από ένα αιολικό πάρκο, δείχνοντας ότι μπορεί να μειώσει σημαντικά το κόστος συντήρησης και να βελτιώσει τη διαθεσιμότητα της ανεμογεννήτριας. Η εργασία αναδεικνύει τις δυνατότητες των συστημάτων SCADA ως ένα ισχυρό εργαλείο για τη βελτιστοποίηση της συντήρησης των ανεμογεννητριών και τη βελτίωση της αξιοπιστίας της παραγωγής ανανεώσιμης ενέργειας. Ένα σύστημα εποπτικού ελέγχου και συλλογής δεδομένων για την παρακολούθηση της απόδοσης των ανεμογεννητριών τους και τον εντοπισμό πιθανών προβλημάτων πριν αυτά μετατραπούν σε δαπανηρές βλάβες. Σε αυτό το έγγραφο, διερευνάτε ο τρόπος με τον οποίο τα δεδομένα SCADA μπορούν να χρησιμοποιηθούν για τη βελτιστοποίηση των προγραμμάτων συντήρησης των ανεμογεννητριών και τη μείωση του χρόνου διακοπής λειτουργίας. Πραγματοποιείτε μια προσέγγιση με βάση τα δεδομένα που αξιοποιεί αλγορίθμους μηχανικής μάθησης για την πρόβλεψη των αναγκών συντήρησης με βάση τα δεδομένα SCADA. Επιδεικνύετε η αποτελεσματικότητα της προσέγγισής αυτής.el
dc.format.extent70el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Δυτικής Αττικήςel
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές*
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 Διεθνές*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectSCADAel
dc.subjectΕυφυείς ανεμογεννήτριεςel
dc.subjectΑνάλυση δεδομένωνel
dc.subjectΒελτιστοποίηση απόδοσης ανεμογεννητριώνel
dc.subjectΑνίχνευση σφαλμάτωνel
dc.subjectΔιάγνωση σφαλμάτωνel
dc.subjectΈλεγχος ανεμογεννητριώνel
dc.subjectΠροηγμένα συστήματα SCADAel
dc.titleΒελτιστοποίηση της συντήρησης ανεμογεννητριών με χρήση δεδομένων SCADAel
dc.title.alternativeOptimization of wind turbine maintenance using SCADA datael
dc.typeΜεταπτυχιακή διπλωματική εργασίαel
dc.contributor.committeeGanetsos, Theodore
dc.contributor.committeeΚάντζος, Δημήτριος
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.departmentΤμήμα Μηχανικών Βιομηχανικής Σχεδίασης και Παραγωγήςel
dc.contributor.masterΑυτοματισμός Παραγωγής και Υπηρεσιώνel
dc.description.abstracttranslatedWith the growing demand for renewable energy, wind turbines have become a ubiquitous feature in many regions. However, maintaining these complex machines can be difficult and costly, especially due to their remote locations. To address this issue, many wind farm operators have turned to SCADA systems using real-world data from a wind farm, showing that it can significantly reduce maintenance costs and improve turbine availability. The paper highlights the potential of SCADA systems as a powerful tool to optimize wind turbine maintenance and improve the reliability of renewable energy production. (Supervisory control and data collection) to monitor the performance of their wind turbines and identify potential problems before they turn into costly failures. In this paper, we explore how SCADA data can be used to optimize wind turbine maintenance schedules and reduce downtime. You implement a data-driven approach that leverages machine learning algorithms to predict maintenance needs based on SCADA data. Demonstrate the effectiveness of this approach.el


Αρχεία σε αυτό το τεκμήριο

Thumbnail

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές