スピーカー | 成績証明書 |
| アラン・レザザデ | みなさんこんにちは、このプレゼンテーションに参加していただきありがとうございます。 私の名前はアラン・レザザデです。南アルバータ工科大学で働いています。 私の立場は |
| 研究分析科学者。 産業分析について説明し、例として、風力タービンと風力タービンの状態監視に焦点を当てます。 |
| 謝辞。 |
| CFREF、カナダ ファースト リサーチ エクセレント ファンド、この会議への参加を許可していただきありがとうございます。 |
| スペインの EDP Renewable Energy Wind Farm 様、運用データを共有していただきありがとうございます。このデータは、研究と教育のために自由に利用できます。 そして何よりも、この素晴らしい統計的発見ソフトウェアを構築してくれた JMP に感謝します。 |
| 議題。 産業分析の範囲、産業分析に含まれるものについてお話しします。 |
| また、産業機器をプロセスとしてどのように考えるか。データの準備と理解;サブコンポーネントの定義、サブコンポーネントの定義で目標を見つける方法。そして最後に、状態ベースの監視と呼ばれる劣化とパフォーマンスの監視が行われます。 |
| したがって、産業分析の範囲には、すべてが含まれています。 そのため、IoT であるセンサーから大量の時系列データが送られてきます。 |
| そして、プロセスの最適化、知識の発見、意思決定を行いたいと考えています。 基本的に、汚染を減らしたい、風力タービンやソーラーパネルからの電力などの出力を増やしたい、または産業機器の健康状態や状態を監視したい. |
| したがって、最初のアイデアは複雑な機械であり、ガス タービン ジェット エンジンは基本的にプロセスです。 インプットあり、アウトプットあり。 この場合、入力はガスタービンであり、空気と燃料です。出力は電気と排気、ある種の煙とガスです。 だから私たちはこれを壊します |
| コンプレッサー、燃焼室、発電機。 最も単純なケースです。 これで、プロセスとサブコンポーネントができました。 今後は、工程と設備を合わせて用語を入れ替えるかもしれません。 |
| では、プロセスをどこまで分解するのでしょうか? そのため、空気力学や熱力学などの数学的な物理式で実際に説明できる、より小さく単純なサブコンポーネントに分解したいと考えています。 |
| それで、物事が知られている最初の原則、アリストテレス. そのため、より小さなコンポーネントに分解しています。 |
| これはジェットエンジンやガスタービンの故障サイクルです。 ご覧のとおり、時間が経つにつれて、いくつかの変更、いくつかの修正、いくつかの劣化が発生します。 |
| また、それは消耗のためだけではありません。 運用上の変更が原因である可能性があるため、気温が変化し、グリッドからの電力需要が変化します。 |
| その結果、機器の動作モードが変更されます。 ここで、運用モードと劣化を区別したいので、まず運用モードとは何かを知る必要があります。 |
| としましょう |
| 風力タービンにはローターがあり、 |
| 低速シャフト、ギアボックス、発電機、変圧器があります。 |
| これは複雑なシステムです。それをより小さなサブコンポーネントに分解します。 |
| 油圧、 |
| 潤滑、冷却など。 したがって、プロセスへの入力は風であり、出力は電力です。 それでは、風力対電力を見てみましょう。これは、風力エネルギー産業の電力曲線です。 だから、 |
| X 軸は風力エネルギー、風速、縦軸はパワーです。 したがって、風力タービンの解析に使用される典型的な電力曲線です。 ご覧のとおり、これは複雑なシステムです。 毎秒4メートルでは |
| システムが動作を開始します。 以前はアイドルモードで、風が吹くのを待っていました。 毎秒 4 メートルは、動作可能な最小風速です。 |
| ゆっくりと発電を始めます。 12度を超えると風が強くなるので、風から得るエネルギーの量を減らさなければなりません。それはブレード、ブレードの角度を変えることによって行われます。 |
| 毎秒 25 メートルを超えると、機器の操作は安全でなくなるため、電源がオフになります。 |
| ライブデモがあります |
| と |
| パワーカーブを作成します。 |
| それで |
| 風速対パワー。 等高線でわかるように、集中度が高いのはアイドリング モードと低速の風速付近です。 これがシステム内の風の状態です。 |
| 風速が速くなると、風が強くなり、より多くの電力が生成されます。 強くなりすぎるとオフになります。 ヒストグラムを見ることができます。 作り方を知りたい方は |
| JMP、それは非常に簡単です。 X係数として速度、Y係数として電力をグループ化すると、 |
| タービン。 |
| それではプレゼンテーションに戻ります。 |
| 現在、データの分析を開始しています。 最初は単変量解析です。主なパラメータ、つまり風速を解析します。 |
| 彼らは、風を説明する数学的および統計的モデルがあれば、既存の文献と既存の工学的知識を調査します。 |
| 1 つあり、風分布は通常、ワイブルに準拠しています。 そこで、風をワイブルと比較します。 非常に近いことがわかります。 |
| ただし、異なるタービン間にはいくつかのマイナーなものがあります???違いがあるので、少し機会があり、研究の最適化の機会があります。 |
| つまり、タービン 9 は 6 とは異なります。したがって、6 と 9 からの風は異なります。したがって、干渉、これらのタービン間の相互作用が原因である可能性がありますが、これは問題ありません。 それは業界で起こります。 |
| そして、この航跡を減らすことは最適化の機会であり、業界内でよく知られている大きなトピックです。 |
| 単変量解析の後、典型的なデータサイエンスに進みます |
| 前処理。欠損値、ゼロはありますか? ゼロは本当にゼロを意味するのか、それとも欠損値なのか? したがって、それらを処理します。それはこの話の話題ではありません。 外れ値、外れ値について少し説明します。 |
| それで |
| 私のプロジェクトでは、物理的に不可能な値をすべて削除します。 温度...気温が 100 と記録されている場合、100 度ではないことがわかるので、それを削除します。 ただし、その他のデータについては、独自の判断で変更することはありませんので、大切に保管しております。 |
| また、日付/時刻の収束については、JMP 形式に適合するように日付/時刻の変換を行います。これらは非常に標準的なものです。 したがって、単元化の1つの方法は、 |
| 多変量外れ値分析はマハラノビスであり、JMP でうまくサポートされているので、それを見ていきます。 つまり、基本的に 4 つのパラメーターがある場合、1 つの出力を生成します。 |
| そして、これを見ます。 したがって、マハラノビスとこれらは外れ値です。 これらの外れ値を取り除くつもりはありませんが、これらは私たちが調査する焦点と注意の中心です. ライブデモでは |
| 使用して |
| Graph Builder を使用すると、それらをマハラノビスに対して簡単にプロットし、さまざまなタービンをチェックできます。 |
| たとえば、ここに小さなスパイクが 1 つあります。 上限管理限界を超えているため、外れ値です。 そのため、何が起こったのかを確認するためにチェックインすると、パラメーターがどのように変更されたかを確認できます。 |
| このマハラノビス距離を生成するために、JMP の多変量機能を使用できます。 |
| 生産 |
| 外れ値分析、マハラノビスの下で、それらをデータに保存します。 |
| それではプレゼンテーションに戻ります。 |
| 前処理が終わったら |
| データの発見を開始します。 データが何を示しているかを知りたいので、電力曲線の背景、フローがどのように機能しているかについて少し説明しました。 それでは、少し形式化してみましょう。 |
| 最初はアイドリングなので、風が強くなるのを待ちます。 だから何か風があります。 始めます。 回転速度が上がり、風が強くなります。 |
| グリッドに接続します。つまり、タービンが発電機に接続されます。 発電機は十分な速度になり、グリッドに接続されて電気を生成します。 |
| 風速が上がる。 十分な量の電力を生産していますが、最大ではありません。 風が強くなるにつれて、最大レベルに達します |
| 電気生産。 風がさらに強くなりすぎると、風から得られるエネルギーを減らす必要があります...風から得られるエネルギーを減らすか、風が強すぎるために完全に止めたいと思うかもしれません. |
| コンディションが整うと、また風が弱くなり、アイドリングに入る。 これはループです。フローチャートです。 では、データを使って実行してみましょう。 |
| ということでこちらが3次元データ駐車モード、待機、アイドリング。 待機中、駐車中、営業していません。 |
| ローターは速度を上げ、最小限の電力を生成します。 それはsubratedの生産を接続しています |
| 評価されます。 そして、あまりにも強くなると、彼らは再びこの駐車場に行き、操作をオフにします. ここにあるのはクラスタリングです |
| そしてAICを比較します。 したがって、クラスターが 1 つまたは 2 つまたは 3 つある場合は、クラスターを比較します...クラスター化の結果と、 |
| 最高...最高とは言えません...最小の誤差ですが、数値はそれほど高くありません。 それでは、実際にそれがどのように機能するかを見てみましょう。 |
| というわけで、10個までクラスタリングとクラスタリングを行っています。 プレゼンテーションにあまり時間をかけたくありませんでした。 10～15秒ほどかかります。 そのため、タービン 1 内のクラスターを見つけています。 |
| それで |
| 各クラスターは基本的に |
| 動作モードがあるので、このタービンがどのように機能しているかがわかります。 したがって、AIC 対クラスター数があります。 |
| 私は...するだろう |
| グラフをプロットする |
| AIC 対クラスター数。 |
| そのため、多くの反復とツールを使用して高速化したため、スムーズではありません。 しかし、制作と実際の作業には、それ以上の時間がかかります。 |
| したがって、6、7、8 でわかるように、これは適切な数のクラスターであり、エラーは減少しています。 エラーはわずかにさらに低下します |
| ただし、クラスターを増やし続けると複雑さが増し、増やしすぎると過適合になる可能性があります。 |
| それで |
| 今 |
| それらをプロットします。 |
| これはタービン 1 の場合です。それらをプロットすると、いくつかの遷移があることがわかります。それは、風が強すぎるために強風から駐車に移行するときです。 |
| それではプレゼンテーションに戻ります。 |
| さて、正しい数はいくつのクラスターでしょうか? つまり、クラスターが 1 つあれば、すべてが 1 つのグループになります。 それは私たちの関心事ではありません。 |
| クラスターが 2 つある場合、アルゴリズムがこのグループを選択していることがわかります。 私たちはそれをただ待っているアイドリングと呼んでいます。 または3つのクラスター、駐車中、ローターが速度と操作を取得するため、アルゴリズムはこの3つを取得します。 |
| 6 つ、7 つ、または 8 つを調べると、それらが最も理にかなっています。 このプレゼンテーションでは少ない数なので、6 つ選びました。 オペレーションのエンジニアは、8 つまたは 9 つのそれらのより多くを拾う可能性があります。 |
| ライブデモで、これはすでに見ました。 |
| 階層、K 平均、および通常。 産業プロジェクトでは、通常、通常の混合物を使用します。 |
| ビジネス プロジェクトの場合、論理をうまく分解できるので、階層化は非常に理にかなっています。 K-mean は計算量が多く、大規模なデータ セットでは時間がかかりすぎます。 |
| したがって、正規混合の仮定は、クラスターが正規分布の下で凸状であるため、1 つのピークしか持たないことを意味します。 そして、それは非常に当てはまります。 |
| ...1つの操作モードがある場合、通常は1つのセンター内のその操作モード内で動作するため、通常の混合は安全です |
| クラスタリングに使用するアルゴリズム。 |
| さて、状態監視に取り掛かります。 すべてのクラスタリングを行いました。 私たちは彼らと何をしていますか？ |
| 彼らがここで監視しようとしているものについて話しましょう。 |
| ギアボックス内のギアが動作するため、ギアボックス内にタッチ ポイントがあります。 磨耗により、この接触点は時間の経過とともに変化する可能性があります。 それが私たちが見つけたいものです。 しかし、 |
| 腹側ラインが懸命に働いていて、そこに非常に多くのトルクがある場合、タッチポイントは、トルクがそれほど強くない場合とは異なる場合があります。 |
| 風はそれほど強くありません。 つまり、運用モードです。 したがって、操作モードが互いに大きく異なる場合ではなく、1 つの操作モード内でこの接触点を比較したいと考えています。 だからこれのために |
| モニタリングでは、単純な線形回帰を使用できます。 |
| だから、線形回帰を行う |
| さまざまな操作モードに基づいています。 グリッド接続の場合、 |
| R の 2 乗は 99.6% です。 良い近似であることがわかります。 見事な回帰直線です。 |
| 99.993。これは適切な R 2 乗なので、これを使用します。 |
| 定格操作の場合、 |
| 良い R 2 乗が得られなかったので、除外します。 したがって、実際には、実行したい分析に適した R 2 乗が得られるこの操作モードをまとめます。 デモに戻ります。 |
| これは基本的に古い線形回帰です。 それはほんの数秒で起こりました。 ご覧のとおり、521,000 件のレコードがあり、わずか 2 ～ 3 秒だったので、優れたパフォーマンスです。 |
| これらは、これから選択する操作モードです。 正しい値を選択していることを確認するために、もう一度見てみましょう。 |
| Y を X でフィッティングして、密度等高線をプロットします。 ここで見たいのは、密度の中心を通過する回帰直線です。これは通過です。 それはいいものです。 |
| それは見逃されるでしょう、そしてそれは私たちが使用しないことを選んだアイドリングです. |
| 見事な回帰直線です。 |
| 定格生産の場合、密度ポイントが欠落しているため、これは使用しません。 |
| R の 2 乗で得られた観察結果が非常に確認されました。 |
| だから私たちはこれをしました。 次に来るのは何ですか？ |
| 残差を描画します。 タービンの残骸。 |
| また、残差が増加している場合は、残差を分析します。 それでは、ライブデモをしましょう。 それは理にかなっています。 |
| そのため、選択した動作モードについてのみ、5 つのタービンすべての残差をプロットしています。 アイドリングで評価されているため、それらを除外します。 他のものをプロットするとどうなりますか? アイドリングの場合、それはすべて終わりです。それは何の意味もありません。何も教えてくれません。 |
| 定格生産と同じこと。 それは何も言わない、それは多くを言わない。 |
| しかし、これと合わせて、 |
| 特定の日付で残差が増加したことがわかります。 実際に修理のログを見ると、これは 1 回の修理であり、それは別の修理であり、ここでは徐々に増加していることがわかります。 以上が修理でした。 |
| タービン 11、ギアボックスに問題はありませんでした。 それは決して... |
| 残差は増えませんでした。 |
| そして、タービン6の修理があったので、これはいくつかの問題が発生したことを示している可能性がありますが、それは何でしたか... |
| どのレベルで...どのレベルの残留物が実際の問題であるかを考えてみましょう。 |
| それは主観的です。 数値化する必要があります。 エンジニアが何らかの行動を起こすために必要な残差のレベルを確認する必要があります。 そして現時点では、それは産業界では未解決の問題であり、未解決の研究対象です。 しかし、それはのために使用されるツールです |
| エンジニアを助けます。 だから戻って |
| 私たちのプレゼンテーション。 したがって、トレンドは監視のためのものであり、エンジニアがどのレベルで行動を起こし、実際にギアボックスを妨害して開くかということです。 それはエンジニアリング上の決定です。 ただし、データの観点からは、エンジニアが意思決定を行うのを支援しています。 |
| 要約すると、複雑なプロセスには複数の動作モードがあります。 モニターしたいとき |
| デバイスの場合、監視する動作モードを知る必要があります。 各動作モードは、動作プロセスの一部を強調しています。 |
| クラスタリング方法。さまざまな動作モードを分離するために使用できます。 私たちが行ったように、劣化を検出するための動作モードを使用した状態監視。 サブコンポーネントの監視 |
| 比率に使用するように、物理法則を考慮して。 システムが複雑で、1 つの物理法則で説明できない場合は、次のような別の方法を使用します。 |
| K 最近傍またはニューラル ネットワーク。 そして、プレゼンテーションの最後に、ご清聴ありがとうございました。 |
