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
- Probabilistic Multi-Layer Perceptrons for Wind Farm Condition Monitoring [4.956709222278242]
本研究では,通常行動モデルに基づく風力発電施設のコンディションモニタリングシステムについて述べる。
このモデルは、監督制御とデータ取得システムから得られた特徴に基づいて、風力タービンの出力パワーを予測する。
論文 参考訳（メタデータ） (2024-04-25T10:41:12Z) - Transfer learning applications for anomaly detection in wind turbines [0.0]
風力タービンの異常検出は通常、異常を早期に検出するために通常の挙動モデルを使用する。
本研究では, 自動エンコーダによる異常検出において, 橋渡し学習をいかに応用できるかを検討する。
論文 参考訳（メタデータ） (2024-04-03T18:48:45Z) - Equipment Health Assessment: Time Series Analysis for Wind Turbine
Performance [1.533848041901807]
各種風力タービンのSCADAデータを利用して出力を予測する。
重要なイノベーションは、FNNとLSTMモデルのアンサンブルであり、それらの集合的学習に乗じている。
風力タービンの性能劣化を検知するために機械学習技術が適用され、アクティブなメンテナンス戦略が実現された。
論文 参考訳（メタデータ） (2024-03-01T20:54:31Z) - 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) - End-to-end Wind Turbine Wake Modelling with Deep Graph Representation
Learning [7.850747042819504]
本研究は,グラフニューラルネットワークと呼ばれるグラフ表現学習法に基づいて,風力タービンウェイクの表現のための代理モデルを提案する。
提案するエンドツーエンドディープラーニングモデルは、非構造化メッシュ上で直接動作し、高忠実度データに対して検証されている。
実世界の風力発電所に基づくケーススタディでは,提案手法による大規模発電予測の可能性をさらに実証する。
論文 参考訳（メタデータ） (2022-11-24T15:00:06Z) - Learning to Learn with Generative Models of Neural Network Checkpoints [71.06722933442956]
ニューラルネットワークのチェックポイントのデータセットを構築し,パラメータの生成モデルをトレーニングする。
提案手法は,幅広い損失プロンプトに対するパラメータの生成に成功している。
我々は、教師付きおよび強化学習における異なるニューラルネットワークアーキテクチャとタスクに本手法を適用した。
論文 参考訳（メタデータ） (2022-09-26T17:59:58Z) - 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) - 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) - Learning Discrete Energy-based Models via Auxiliary-variable Local
Exploration [130.89746032163106]
離散構造データに対する条件付きおよび非条件付きEMMを学習するための新しいアルゴリズムであるALOEを提案する。
エネルギー関数とサンプリング器は、新しい変分型電力繰り返しにより効率よく訓練できることを示す。
本稿では、ソフトウェアテストのためのエネルギーモデルガイド付ファジィザについて、libfuzzerのようなよく設計されたファジィエンジンに匹敵する性能を実現する。
論文 参考訳（メタデータ） (2020-11-10T19:31:29Z) - DAIS: Automatic Channel Pruning via Differentiable Annealing Indicator
Search [55.164053971213576]
畳み込みニューラルネットワークは,計算オーバーヘッドが大きいにもかかわらず,コンピュータビジョンタスクの実行において大きな成功を収めている。
構造的(チャネル)プルーニングは、通常、ネットワーク構造を保ちながらモデルの冗長性を低減するために適用される。
既存の構造化プルーニング法では、手作りのルールが必要であり、これは大きなプルーニング空間に繋がる可能性がある。
論文 参考訳（メタデータ） (2020-11-04T07:43:01Z)
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。