論文の概要: Measuring Wind Turbine Health Using Drifting Concepts

• arxiv url: http://arxiv.org/abs/2112.04933v1
• Date: Thu, 9 Dec 2021 14:04:55 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-10 15:49:03.733839
• Title: Measuring Wind Turbine Health Using Drifting Concepts
• Title（参考訳）: 漂流概念を用いた風力タービンの健全性の測定
• Authors: Agnieszka Jastrzebska, Alejandro Morales-Hern\'andez, Gonzalo N\'apoles, Yamisleydi Salgueiro, and Koen Vanhoof
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 55.87342698167776
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Time series processing is an essential aspect of wind turbine health monitoring. Despite the progress in this field, there is still room for new methods to improve modeling quality. In this paper, we propose two new approaches for the analysis of wind turbine health. Both approaches are based on abstract concepts, implemented using fuzzy sets, which summarize and aggregate the underlying raw data. By observing the change in concepts, we infer about the change in the turbine's health. Analyzes are carried out separately for different external conditions (wind speed and temperature). We extract concepts that represent relative low, moderate, and high power production. The first method aims at evaluating the decrease or increase in relatively high and low power production. This task is performed using a regression-like model. The second method evaluates the overall drift of the extracted concepts. Large drift indicates that the power production process undergoes fluctuations in time. Concepts are labeled using linguistic labels, thus equipping our model with improved interpretability features. We applied the proposed approach to process publicly available data describing four wind turbines. The simulation results have shown that the aging process is not homogeneous in all wind turbines.
• Abstract（参考訳）: 時系列処理は風力タービンの健康モニタリングの重要な側面である。 この分野での進歩にもかかわらず、モデリングの品質を改善する新しい方法がまだ存在する。 本稿では,風力タービンの健全性解析のための2つの新しいアプローチを提案する。 どちらのアプローチも、基盤となる生データを要約し集約するファジィセットを使用して実装された抽象概念に基づいている。 概念の変化を観察することで、タービンの健康状態の変化を推測する。 異なる外部条件(風速と温度)に対して別々に解析を行う。 我々は、相対的に低い、中程度の、高出力生産を表す概念を抽出する。 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。 このタスクは回帰モデルを用いて実行される。 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。 大きなドリフトは、発電プロセスが時間的に変動することを示している。 概念は言語ラベルを用いてラベル付けされ,解釈可能性の向上が図られている。 提案手法を適用し, 風力タービン4基の公開データを解析した。 シミュレーションの結果,全風力タービンにおいて老化過程は均質ではないことがわかった。

関連論文リスト

• 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)
• Prediction of wind turbines power with physics-informed neural networks and evidential uncertainty quantification [2.126171264016785]
  物理インフォームドニューラルネットワークを用いて、風力発電所の4基のタービンから得られた履歴データを再現する。 パワー, トルク, パワー係数の回帰モデルでは, 実データ, 物理式ともに精度が高いことがわかった。
  論文  参考訳（メタデータ） (2023-07-27T07:58:38Z)
• An XAI framework for robust and transparent data-driven wind turbine power curve models [0.8547032097715571]
  風力タービン動力曲線モデルは周囲の条件をタービン出力に変換する。 近年、複雑化する機械学習手法がこのタスクの最先端となっている。 本稿では,データ駆動パワーカーブモデルから得られた戦略を検証し,検証するための説明可能な人工知能フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-04-19T17:37:58Z)
• Referee: Reference-Free Sentence Summarization with Sharper Controllability through Symbolic Knowledge Distillation [72.70058049274664]
  文献要約のための新しい枠組みであるRefereeについて紹介する(つまり、監督のために金の要約を必要としない)。 我々の研究は、シンボリック知識蒸留の概念的枠組みを通じて、参照不要で制御された文要約が実現可能であることを示す最初のものである。
  論文  参考訳（メタデータ） (2022-10-25T07:07:54Z)
• XAI for transparent wind turbine power curve models [0.0]
  我々はShapley値とXAIを使って、機械学習モデルが運用風力タービンデータから学んだ戦略を明らかにする。 この結果から,テストセットのパフォーマンスを重視した,より大規模なモデルアーキテクチャへのトレンドが,物理的に理解不能なモデル戦略をもたらすことが判明した。 本稿では,風力タービン性能モニタリングの文脈における根本原因解析の実践的手法を提案する。
  論文  参考訳（メタデータ） (2022-10-21T16:59:06Z)
• Extracting or Guessing? Improving Faithfulness of Event Temporal Relation Extraction [87.04153383938969]
  本研究では,TempRel抽出モデルの忠実度を2つの観点から改善する。 第1の視点は、文脈記述に基づいて真に抽出することである。 第2の視点は、適切な不確実性評価を提供することである。
  論文  参考訳（メタデータ） (2022-10-10T19:53:13Z)
• Physics Informed Shallow Machine Learning for Wind Speed Prediction [66.05661813632568]
  イタリアの32カ所の標高10mの風速計から観測された大量の風のデータセットを分析した。 我々は、過去の風の履歴を用いて教師あり学習アルゴリズムを訓練し、その価値を将来予測する。 最適設計と性能は場所によって異なることがわかった。
  論文  参考訳（メタデータ） (2022-04-01T14:55:10Z)
• Deep Spatio-Temporal Wind Power Forecasting [4.219722822139438]
  エンコーダ・デコーダ構造に基づく深層学習手法を開発した。 本モデルでは,風力タービンが発生した風力を,他のタービンと比較して空間的位置と過去の風速データを用いて予測する。
  論文  参考訳（メタデータ） (2021-09-29T16:26:10Z)
• Energy-based View of Retrosynthesis [70.66156081030766]
  エネルギーモデルとしてシーケンスおよびグラフベースの手法を統一するフレームワークを提案する。 本稿では,ベイズ前方および後方予測に対して一貫した訓練を行うフレームワーク内での新しい二重変種を提案する。 このモデルは、反応型が不明なテンプレートフリーアプローチに対して、最先端の性能を9.6%向上させる。
  論文  参考訳（メタデータ） (2020-07-14T18:51:06Z)
• High-Fidelity Synthesis with Disentangled Representation [60.19657080953252]
  本稿では,不整合学習と高忠実度合成のためのID-GAN(Information-Distillation Generative Adrial Network)を提案する。 提案手法は, VAEモデルを用いて非交叉表現を学習し, 高忠実度合成のためのGAN生成器に追加のニュアンス変数で学習表現を蒸留する。 単純さにもかかわらず,提案手法は高効率であり,不整合表現を用いた最先端の手法に匹敵する画像生成品質を実現する。
  論文  参考訳（メタデータ） (2020-01-13T14:39:40Z)

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。