故障诊断为陆上/海上风力涡轮机(WT)和太阳能光伏(PV)通过人工智能模块

与大多数其他世界上的能源,可再生能源系统正逐渐成为更有效的和负担得起的,和他们的整体能耗的比例正在上升。陆上/海上风力涡轮机(WT)和光伏(PV)太阳能电池组件生产最便宜的新建电力在大多数国家。全世界许多国家现在超过20%的能源来自可再生能源,和一些甚至超过50%的电力来自可再生能源。

生产不间断生产可再生能源,特别是WT和PV(光伏)太阳能模块,设计改进,和方法论发展监测是必不可少的能源生产和确定故障发生在他们。风力发电机结构的材料和建造质量和太阳能光伏模块监控经常评估能源发电。

这个研究课题的主要目的是提供一种集体观念和新颖的方法来提高能源生产通过故障诊断方法。我们欢迎所有可再生能源领域的研究人员提交他们的原始研究和评论文章对最近的进步,改进,发展风力发电机和光伏模块。潜在的主题包括但不限于以下:

•状态监测和故障诊断为陆上/海上风力发电机系统
•新材料选择和建议为太阳能光伏模块捕获
•通过基于ai PV模块方法的故障诊断
•故障预测和剩余使用寿命的评估风力发电机系统及其组件
•叶片健康监测和管理垂直轴和水平轴风力涡轮机
•提供基于图像处理的状态监测光伏模块通过深入学习
•基于机器学习光伏模块和风力涡轮机系统故障诊断方法
•新兴光伏和风力涡轮机系统的诊断和预后的方法
•结构耐久性和通过digital-twin风力发电机结构的健康监测的概念
•实时故障诊断方法的实现能量增强

关键字:故障预测和诊断、故障检测、风力能源开采、太阳能电池诊断、能量增强,光伏电池监控、机器学习算法,Digital-Twin,数据驱动方法,状态监测、结构耐久性和健康

重要提示:所有贡献这个研究课题必须的范围内的部分和期刊提交,作为其使命声明中定义。雷竞技rebat前沿有权指导检查手稿更适合部分或同行评审的期刊在任何阶段。