論文の概要: Estimator Model for Prediction of Power Output of Wave Farms Using
Machine Learning Methods
- arxiv url: http://arxiv.org/abs/2011.13130v1
- Date: Thu, 26 Nov 2020 05:05:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 08:46:40.971862
- Title: Estimator Model for Prediction of Power Output of Wave Farms Using
Machine Learning Methods
- Title(参考訳): 機械学習を用いた波浪農場の電力出力予測のための推定モデル
- Authors: Bhavana Burramukku
- Abstract要約: 本稿では,オーストラリア南岸の4つの実波シナリオから得られたデータセットに基づいて,波浪エネルギー予測のためのニューラルモデルの開発に着目する。
WEC配置の精密な解析を行い, 試験場における波動ファームの発電量を明らかにした。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The amount of power generated by a wave farm depends on the Wave Energy
Converter (WEC) arrangement along with the usual wave conditions. Therefore,
forming the appropriate arrangement of WECs in an array is an important factor
in maximizing power absorption. Data collected from the test sites is used to
design a neural model for predicting wave farm's power output generated. This
paper focuses on developing a neural model for the prediction of wave energy
based on the data set derived from the four real wave scenarios from the
southern coast of Australia. The applied converter model is a fully submerged
three-tether converter called CETO. A precise analysis of the WEC placement is
investigated to reveal the amount of power generated by the wave farms on the
test site.
- Abstract(参考訳): ウェーブファームによって発生する電力の量は、通常のウェーブ条件とともにウェーブエネルギー変換器(WEC)の配置に依存する。
したがって、アレイ内のWECの適切な配置を形成することは、パワー吸収を最大化する重要な要素である。
テストサイトから収集されたデータは、ウェーブファームの出力を予測するためのニューラルモデルの設計に使用される。
本稿では,オーストラリア南岸の4つの実波シナリオから得られたデータセットに基づいて,波浪エネルギー予測のためのニューラルモデルの開発に着目する。
応用コンバータモデルはCETOと呼ばれる完全潜水三層コンバータである。
WEC配置の精密な解析を行い, 試験場における波動ファームの発電量を明らかにした。
関連論文リスト
- A Physics-informed machine learning model for time-dependent wave runup
prediction [0.0]
物理インフォームド・機械学習に基づく手法を提案し,時系列波の効率的なシミュレートを行った。
条件生成対向ネットワーク(cGAN)を用いて、XBSBからのウェーブランアップの画像表現をXBNHからの対応する画像にマッピングする。
cGANモデルは、XBSBからの物理知識を取り入れることで、画像と画像のマッピングタスクの性能を向上させる。
論文 参考訳(メタデータ) (2024-01-12T18:58:37Z) - Machine learning for phase-resolved reconstruction of nonlinear ocean
wave surface elevations from sparse remote sensing data [37.69303106863453]
ニューラルネットワークを用いた位相分解波面再構成のための新しい手法を提案する。
提案手法は,一次元格子を用いた合成的かつ高精度な訓練データを利用する。
論文 参考訳(メタデータ) (2023-05-18T12:30:26Z) - Variational waveguide QED simulators [58.720142291102135]
導波管QEDシミュレータは1次元フォトニックバンドギャップ材料と相互作用する量子エミッタによって構成される。
ここでは、これらの相互作用がより効率的な変分量子アルゴリズムを開発するためのリソースとなることを実証する。
論文 参考訳(メタデータ) (2023-02-03T18:55:08Z) - An Energy-Based Prior for Generative Saliency [62.79775297611203]
本稿では,情報的エネルギーベースモデルを事前分布として採用する,新たな生成正当性予測フレームワークを提案する。
生成サリエンシモデルを用いて,画像から画素単位の不確実性マップを得ることができ,サリエンシ予測におけるモデル信頼度を示す。
実験結果から, エネルギーベース先行モデルを用いた生成塩分率モデルでは, 精度の高い塩分率予測だけでなく, 人間の知覚と整合した信頼性の高い不確実性マップを実現できることが示された。
論文 参考訳(メタデータ) (2022-04-19T10:51:00Z) - Learning Generative Vision Transformer with Energy-Based Latent Space
for Saliency Prediction [51.80191416661064]
本稿では,有意な物体検出に先立って,潜伏変数を持つ新しい視覚変換器を提案する。
ビジョントランスネットワークとエネルギーベース先行モデルの両方は、マルコフ連鎖モンテカルロによる最大推定を通じて共同で訓練される。
生成型視覚変換器により、画像から容易に画素単位の不確実性マップを得ることができ、画像から唾液濃度を予測するためのモデル信頼度を示す。
論文 参考訳(メタデータ) (2021-12-27T06:04:33Z) - Development of Deep Transformer-Based Models for Long-Term Prediction of
Transient Production of Oil Wells [9.832272256738452]
本稿では,油井の過渡生産に関するデータ駆動型モデリング手法を提案する。
油井の様々なパラメータからなる多変量時系列に基づいて訓練された変圧器ベースニューラルネットワークを適用した。
複素過渡的な油田レベルのパターンをシミュレートするために,複数井戸に対するトランスフォーマーアーキテクチャに基づく単一井戸モデルを一般化する。
論文 参考訳(メタデータ) (2021-10-12T15:00:45Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳(メタデータ) (2021-02-12T12:23:13Z) - Prior Flow Variational Autoencoder: A density estimation model for
Non-Intrusive Load Monitoring [0.0]
非侵入負荷モニタリング(Non-Intrusive Load Monitoring, NILM)は、電力負荷のアプライアンスを1メートル単位で測定した全消費から推定する手法である。
本研究では,各機器の電力需要を推定するために,条件付き変分正規化フローモデルと条件付き変分オートエンコーダを結合する,ディープニューラルネットワークに基づく条件付き密度推定モデルを提案する。
論文 参考訳(メタデータ) (2020-11-30T15:05:59Z) - Physics-Informed Gaussian Process Regression for Probabilistic States
Estimation and Forecasting in Power Grids [67.72249211312723]
電力グリッドの効率的な運転にはリアルタイム状態推定と予測が不可欠である。
PhI-GPRは3世代電力系統の位相角,角速度,風力の予測と推定に使用される。
提案手法は観測された状態と観測されていない状態の両方を正確に予測し,推定することができることを示す。
論文 参考訳(メタデータ) (2020-10-09T14:18:31Z) - Hybrid Neuro-Evolutionary Method for Predicting Wind Turbine Power
Output [6.411829871947649]
我々は,スウェーデンのオンショア風力発電所から出力される電力を推定するために,SCADAシステムにおける履歴データを入力として利用する。
風のパターンが非線形で多様であるという事前の知識により、我々は自己適応微分進化(SaDE)アルゴリズムを組み合わせる。
私たちのアプローチは、そのアプローチよりも優れています。
論文 参考訳(メタデータ) (2020-04-02T04:22:22Z) - Entanglement generation via power-of-SWAP operations between dynamic
electron-spin qubits [62.997667081978825]
表面音響波(SAW)は、圧電材料内で動く量子ドットを生成することができる。
動的量子ドット上の電子スピン量子ビットがどのように絡み合うかを示す。
論文 参考訳(メタデータ) (2020-01-15T19:00:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。