論文の概要: Multi-target normal behaviour models for wind farm condition monitoring

• arxiv url: http://arxiv.org/abs/2012.03074v2
• Date: Wed, 31 Mar 2021 15:03:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-22 15:38:04.822845
• Title: Multi-target normal behaviour models for wind farm condition monitoring
• Title（参考訳）: 風力発電環境モニタリングのためのマルチターゲット正常行動モデル
• Authors: Angela Meyer
• Abstract要約: 本研究は、風力タービンの正常な挙動を捉えるための新しいアプローチとして、マルチターゲットモデルについて検討する。 マルチターゲットモデルが単一ターゲットモデルと比較して有利であることから,実用条件監視のコストと労力を削減できることが判明した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The trend towards larger wind turbines and remote locations of wind farms fuels the demand for automated condition monitoring strategies that can reduce the operating cost and avoid unplanned downtime. Normal behaviour modelling has been introduced to detect anomalous deviations from normal operation based on the turbine's SCADA data. A growing number of machine learning models of the normal behaviour of turbine subsystems are being developed by wind farm managers to this end. However, these models need to be kept track of, be maintained and require frequent updates. This research explores multi-target models as a new approach to capturing a wind turbine's normal behaviour. We present an overview of multi-target regression methods, motivate their application and benefits in wind turbine condition monitoring, and assess their performance in a wind farm case study. We find that multi-target models are advantageous in comparison to single-target modelling in that they can reduce the cost and effort of practical condition monitoring without compromising on the accuracy. We also outline some areas of future research.
• Abstract（参考訳）: 大きな風力タービンや風力発電所の遠隔地への傾向は、運用コストを削減し、計画外のダウンタイムを回避するための自動状態監視戦略の需要を刺激する。 正常動作モデリングは、タービンのscadaデータに基づいて正常動作から異常な逸脱を検出するために導入された。 タービンサブシステムの正常な振る舞いに関する機械学習モデルが、この目的のためにウィンドファームマネージャによって開発されている。 しかし、これらのモデルは追跡され、維持され、頻繁に更新される必要がある。 本研究は、風力タービンの正常な挙動を捉えるための新しいアプローチとして、マルチターゲットモデルを検討する。 本稿では,多目的回帰手法の概要を述べるとともに,その適用と風力タービン条件モニタリングのメリットを動機付け,その性能評価を行う。 マルチターゲットモデルでは, 精度を損なうことなく, 実用的条件モニタリングのコストと労力を削減できるため, 単一ターゲットモデルと比較して有利であることがわかった。 今後の研究についても概説する。

関連論文リスト

• Wind turbine condition monitoring based on intra- and inter-farm federated learning [0.0]
  風力エネルギーにおける多くのAI応用は、個々の風力タービンだけでなく、複数のタービンや複数の風力発電所の運用データを使用することで恩恵を受けることができる。 フェデレーテッド・ラーニングは、この文脈で、プライバシを保存する分散機械学習のアプローチとして登場した。 我々は、異なる風力発電所とタービンモデル間の協調や、同じ風力発電所とタービンモデルに制限された協力など、様々な連合学習戦略について検討する。
  論文  参考訳（メタデータ） (2024-09-05T16:25:30Z)
• Predictive Churn with the Set of Good Models [64.05949860750235]
  近似機械学習モデルの集合に対する競合予測の効果について検討する。 ラーショモン集合内のモデル間の係り受けに関する理論的結果を示す。 当社のアプローチは、コンシューマ向けアプリケーションにおいて、より予測し、削減し、混乱を避けるためにどのように使用できるかを示します。
  論文  参考訳（メタデータ） (2024-02-12T16:15:25Z)
• Population-based wind farm monitoring based on a spatial autoregressive approach [0.0]
  人口ベースの構造的健康モニタリングは、健康モニタリングシステムのコストをさらに削減することができる。 人口・農業レベルでタービンの性能を監視するためには、すべてのタービンの挙動を記述するモデルを構築することが重要な初期段階である。 本稿では, 覚醒効果によって引き起こされる空間的および時間的相関(タービン間)を明示的に捉えた集団レベルのモデルを提案する。
  論文  参考訳（メタデータ） (2023-10-16T16:26:40Z)
• Modeling Wind Turbine Performance and Wake Interactions with Machine Learning [0.0]
  SCADAとオンショアウィンドファームで収集された気象データに基づいて異なる機械学習モデル(ML)を訓練する。 データ品質制御と事前処理のためのML手法を調査対象のデータセットに適用する。 風力タービンのパワーキャプチャーをモデル化するために,ハイブリッドモデルが高精度であることがわかった。
  論文  参考訳（メタデータ） (2022-12-02T23:07:05Z)
• Your Autoregressive Generative Model Can be Better If You Treat It as an Energy-Based One [83.5162421521224]
  本稿では,自己回帰生成モデルの学習のための独自のE-ARM法を提案する。 E-ARMは、よく設計されたエネルギーベースの学習目標を活用する。 我々は、E-ARMを効率的に訓練でき、露光バイアス問題を緩和できることを示した。
  論文  参考訳（メタデータ） (2022-06-26T10:58:41Z)
• Measuring Wind Turbine Health Using Drifting Concepts [55.87342698167776]
  風力タービンの健全性解析のための2つの新しい手法を提案する。 第1の方法は、比較的高低電力生産の減少または増加を評価することを目的とする。 第2の方法は抽出された概念の全体的ドリフトを評価する。
  論文  参考訳（メタデータ） (2021-12-09T14:04:55Z)
• Autoformer: Decomposition Transformers with Auto-Correlation for Long-Term Series Forecasting [68.86835407617778]
  Autoformerは、Auto-Correlation機構を備えた、新しい分解アーキテクチャである。 長期的な予測では、Autoformerは6つのベンチマークで相対的に改善され、最先端の精度が得られる。
  論文  参考訳（メタデータ） (2021-06-24T13:43:43Z)
• Early fault detection with multi-target neural networks [0.0]
  ドライブトレインコンポーネントの早期故障検出作業にマルチターゲットニューラルネットワークを適用した。 マルチターゲット多層パーセプトロン(MLP)は,少なくとも早期および多くの場合,単一ターゲットよりも早く断層を検出できた。
  論文  参考訳（メタデータ） (2021-06-12T11:35:33Z)
• Intelligent Icing Detection Model of Wind Turbine Blades Based on SCADA data [0.0]
  本稿では,畳み込みニューラルネットワーク(CNN),GAN(Generative Adversarial Network),ドメイン適応学習(Domain Adaption Learning)を用いて,インテリジェントな診断フレームワークを構築する可能性について検討する。 本研究は, 正常およびアイシング試料の固有特徴を捉えるために, 並列GANを用いた2段階の訓練について検討する。 3つの風力タービンSCADAデータのモデル検証は、2段階の訓練がモデル性能を効果的に改善できることを示している。
  論文  参考訳（メタデータ） (2021-01-20T00:46:52Z)
• Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
  我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。 トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
  論文  参考訳（メタデータ） (2020-10-27T17:54:12Z)
• T$^2$-Net: A Semi-supervised Deep Model for Turbulence Forecasting [65.498967509424]
  空気の乱気流予測は、乗客の安全を保ち、効率を最大化し、コストを下げるガイドルートである有害な乱気流を避けるのに役立つ。 従来の予測手法は、動的で複雑な気象条件では効果の低い、高度にカスタマイズされた乱流指数に依存している。 本研究では,(1)複雑な時間的相関関係と(2)希少性,非常に限られた乱流ラベルが得られるという2つの課題から,機械学習による乱流予測システムを提案する。
  論文  参考訳（メタデータ） (2020-10-26T21:14:15Z)

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。