論文の概要: Intelligent Icing Detection Model of Wind Turbine Blades Based on SCADA
data
- arxiv url: http://arxiv.org/abs/2101.07914v1
- Date: Wed, 20 Jan 2021 00:46:52 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-22 01:22:01.845479
- Title: Intelligent Icing Detection Model of Wind Turbine Blades Based on SCADA
data
- Title(参考訳): SCADAデータに基づく風車ブレードのインテリジェントアイシング検出モデル
- Authors: Wenqian Jiang, Junyang Jin
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diagnosis of ice accretion on wind turbine blades is all the time a hard nut
to crack in condition monitoring of wind farms. Existing methods focus on
mechanism analysis of icing process, deviation degree analysis of feature
engineering. However, there have not been deep researches of neural networks
applied in this field at present. Supervisory control and data acquisition
(SCADA) makes it possible to train networks through continuously providing not
only operation parameters and performance parameters of wind turbines but also
environmental parameters and operation modes. This paper explores the
possibility that using convolutional neural networks (CNNs), generative
adversarial networks (GANs) and domain adaption learning to establish
intelligent diagnosis frameworks under different training scenarios.
Specifically, PGANC and PGANT are proposed for sufficient and non-sufficient
target wind turbine labeled data, respectively. The basic idea is that we
consider a two-stage training with parallel GANs, which are aimed at capturing
intrinsic features for normal and icing samples, followed by classification CNN
or domain adaption module in various training cases. Model validation on three
wind turbine SCADA data shows that two-stage training can effectively improve
the model performance. Besides, if there is no sufficient labeled data for a
target turbine, which is an extremely common phenomenon in real industrial
practices, the addition of domain adaption learning makes the trained model
show better performance. Overall, our proposed intelligent diagnosis frameworks
can achieve more accurate detection on the same wind turbine and more
generalized capability on a new wind turbine, compared with other machine
learning models and conventional CNNs.
- Abstract(参考訳): 風力タービンの羽根に氷が付着していることの診断は、風力発電所の状況監視において、常に困難である。
既存の手法では, ic化過程の機構解析, 特徴工学の偏差度解析に焦点をあてている。
しかし、現在、この分野にニューラルネットワークを応用した深い研究は行われていない。
監視制御とデータ取得(SCADA)により、風力タービンの運転パラメータと性能パラメータだけでなく、環境パラメータと運転モードを継続的に提供し、ネットワークを訓練することができる。
本稿では、畳み込みニューラルネットワーク(CNN)、生成敵対ネットワーク(GAN)、ドメイン適応学習を用いて、異なるトレーニングシナリオ下でインテリジェントな診断フレームワークを確立する可能性について検討する。
具体的には, PGANC と PGANT は, 目標風力タービンラベル付きデータに対して, それぞれ十分かつ不十分であることを示す。
基本的な考え方は、通常のサンプルとアイシングサンプルの固有の特徴を捉えるために、並列GANを用いた2段階の訓練を行い、その後、様々なトレーニングケースでCNNやドメイン適応モジュールを分類することである。
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。
さらに、実際の産業実践において非常に一般的な目標タービンに十分なラベル付きデータがない場合、ドメイン適応学習の追加により、訓練されたモデルの性能が向上する。
提案するインテリジェント診断フレームワークは,他の機械学習モデルや従来のCNNと比較して,同じ風力タービン上でのより正確な検出と,新しい風力タービン上でのより汎用的な機能を実現することができる。
関連論文リスト
- Pretraining Graph Neural Networks for few-shot Analog Circuit Modeling
and Design [68.1682448368636]
本稿では、新しい未知のトポロジや未知の予測タスクに適応可能な回路表現を学習するための教師付き事前学習手法を提案する。
異なる回路の変動位相構造に対処するため、各回路をグラフとして記述し、グラフニューラルネットワーク(GNN)を用いてノード埋め込みを学習する。
出力ノード電圧の予測における事前学習GNNは、新しい未知のトポロジや新しい回路レベル特性の予測に適応可能な学習表現を促進することができることを示す。
論文 参考訳(メタデータ) (2022-03-29T21:18:47Z) - Explainable Artificial Intelligence for Exhaust Gas Temperature of
Turbofan Engines [0.0]
記号回帰は「ブラックボックス」モデルの解釈可能な代替品である。
本研究では, 実寿命排ガス温度(EGT)データにSRを適用し, 飛行全体を通して高周波数で収集する。
その結果, 3degCの絶対差は, モデル精度に有意な結果が得られた。
論文 参考訳(メタデータ) (2022-03-24T15:05:32Z) - TurbuGAN: An Adversarial Learning Approach to Spatially-Varying
Multiframe Blind Deconvolution with Applications to Imaging Through
Turbulence [9.156939957189504]
本稿では,TurbuGANと呼ばれる大気乱流の画像化のための,自己監督型,自己校正型マルチショットアプローチを提案する。
我々のアプローチでは、ペア化されたトレーニングデータを必要としず、乱流の分布に適応し、ドメイン固有の事前データを活用し、既存のアプローチより優れ、数万から数万の計測値から一般化することができる。
論文 参考訳(メタデータ) (2022-03-13T21:32:34Z) - 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) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳(メタデータ) (2021-09-08T14:07:55Z) - Online learning of windmill time series using Long Short-term Cognitive
Networks [58.675240242609064]
風車農場で生成されたデータの量は、オンライン学習が従うべき最も有効な戦略となっている。
我々はLong Short-term Cognitive Networks (LSTCNs) を用いて、オンライン環境での風車時系列を予測する。
提案手法は,単純なRNN,長期記憶,Gated Recurrent Unit,Hidden Markov Modelに対して最も低い予測誤差を報告した。
論文 参考訳(メタデータ) (2021-07-01T13:13:24Z) - 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) - Understanding Overparameterization in Generative Adversarial Networks [56.57403335510056]
generative adversarial network (gans) は、非凹型ミニマックス最適化問題を訓練するために用いられる。
ある理論は、グローバル最適解に対する勾配降下 (gd) の重要性を示している。
ニューラルネットワークジェネレータと線形判別器を併用した多層GANにおいて、GDAは、基礎となる非凹面min-max問題の大域的なサドル点に収束することを示す。
論文 参考訳(メタデータ) (2021-04-12T16:23:37Z) - Meta-Learning-Based Robust Adaptive Flight Control Under Uncertain Wind
Conditions [13.00214468719929]
リアルタイムモデル学習は、さまざまな風条件で飛行するドローンなどの複雑なダイナミクスシステムにとって困難です。
本稿では,ディープニューラルネットワークからの出力を基本関数の集合として扱うオンライン複合適応手法を提案する。
我々は,風条件の異なる空洞でドローンを飛ばし,挑戦的な軌道を飛行させることにより,我々のアプローチを検証する。
論文 参考訳(メタデータ) (2021-03-02T18:43:59Z) - Neuromorphic adaptive spiking CPG towards bio-inspired locomotion of
legged robots [58.720142291102135]
スパイクセントラルパターンジェネレーターは、外部刺激によって駆動される異なる移動パターンを生成します。
終端ロボットプラットフォーム(あらゆる脚ロボット)の移動は、任意のセンサーを入力として地形に適応することができる。
論文 参考訳(メタデータ) (2021-01-24T12:44:38Z) - Multi-target normal behaviour models for wind farm condition monitoring [0.0]
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。
論文 参考訳(メタデータ) (2020-12-05T16:46:35Z)
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。