論文の概要: Online Dynamic Reliability Evaluation of Wind Turbines based on Drone-assisted Monitoring

• arxiv url: http://arxiv.org/abs/2211.13258v1
• Date: Wed, 23 Nov 2022 19:11:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-28 18:25:08.305352
• Title: Online Dynamic Reliability Evaluation of Wind Turbines based on Drone-assisted Monitoring
• Title（参考訳）: ドローンモニタリングによる風力タービンのオンライン動的信頼性評価
• Authors: Sohag Kabir, Koorosh Aslansefat, Prosanta Gope, Felician Campean, Yiannis Papadopoulos
• Abstract要約: 風力タービンのオンライン信頼性評価のためのドローン支援監視手法を提案する。 風力タービンの羽根系を実例として,提案手法の実証を行った。
• 参考スコア（独自算出の注目度）: 6.3640143289918045
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The offshore wind energy is increasingly becoming an attractive source of energy due to having lower environmental impact. Effective operation and maintenance that ensures the maximum availability of the energy generation process using offshore facilities and minimal production cost are two key factors to improve the competitiveness of this energy source over other traditional sources of energy. Condition monitoring systems are widely used for health management of offshore wind farms to have improved operation and maintenance. Reliability of the wind farms are increasingly being evaluated to aid in the maintenance process and thereby to improve the availability of the farms. However, much of the reliability analysis is performed offline based on statistical data. In this article, we propose a drone-assisted monitoring based method for online reliability evaluation of wind turbines. A blade system of a wind turbine is used as an illustrative example to demonstrate the proposed approach.
• Abstract（参考訳）: オフショアの風力エネルギーは、環境への影響が低いため、魅力的なエネルギー源になりつつある。 オフショア施設を用いた発電プロセスの最大可用性と生産コストの最小化を保証する効果的な運用と維持は、このエネルギー源の競争力を高めるための2つの重要な要因である。 オフショア風力発電所の健康管理に広く利用されており、運用とメンテナンスが改善されている。 風力発電所の信頼性は、メンテナンスプロセスを支援し、農場の可用性を向上させるために、ますます評価されている。 しかし、信頼性分析の多くは統計データに基づいてオフラインで行われる。 本稿では,風力タービンのオンライン信頼性評価のためのドローン支援モニタリング手法を提案する。 風力タービンの羽根系を実例として,提案手法の実証を行った。

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)
• Barely-Visible Surface Crack Detection for Wind Turbine Sustainability [0.0]
  本稿では,多くの風車検査から収集したほとんど見えないヘアラインひび割れのデータセットについて紹介する。 本データセットの有効性を証明するため, エンド・ツー・エンドのタービンき裂検出パイプラインについて詳述した。
  論文  参考訳（メタデータ） (2024-07-09T19:03:48Z)
• Global Transformer Architecture for Indoor Room Temperature Forecasting [49.32130498861987]
  本研究は,多室ビルにおける室内温度予測のためのグローバルトランスフォーマーアーキテクチャを提案する。 エネルギー消費を最適化し、HVACシステムに関連する温室効果ガス排出を削減することを目的としている。 本研究は,マルチルームビルにおける室内温度予測にトランスフォーマーアーキテクチャを適用した最初の事例である。
  論文  参考訳（メタデータ） (2023-10-31T14:09:32Z)
• Benchmarks and Custom Package for Energy Forecasting [55.460452605056894]
  エネルギー予測は、電力グリッドディスパッチのようなその後のタスクのコストを最小化することを目的としている。 本稿では,大規模負荷データセットを収集し,再生可能エネルギーデータセットを新たにリリースした。 評価指標の異なるレベルにおいて,21種類の予測手法を用いた広範囲な実験を行った。
  論文  参考訳（メタデータ） (2023-07-14T06:50:02Z)
• Distributed Energy Management and Demand Response in Smart Grids: A Multi-Agent Deep Reinforcement Learning Framework [53.97223237572147]
  本稿では、自律制御と再生可能エネルギー資源のスマート電力グリッドシステムへの統合のための多エージェント深層強化学習(DRL)フレームワークを提案する。 特に,提案フレームワークは,住宅利用者に対する需要応答 (DR) と分散エネルギー管理 (DEM) を共同で検討している。
  論文  参考訳（メタデータ） (2022-11-29T01:18:58Z)
• Review on Monitoring, Operation and Maintenance of Smart Offshore Wind Farms [3.7668264632332997]
  オフショア・ウィンドファームは、安定した風速、クリーンで再生可能で非汚染であり、耕作地を占領することができないという利点がある。 オフショア風力発電の運用とメンテナンスは、デジタル化とインテリジェンスという方向に発展している。 本稿では主に洋上風力発電の監視・運用・維持について分析・要約する。
  論文  参考訳（メタデータ） (2022-11-01T02:09:51Z)
• Neural-Fly Enables Rapid Learning for Agile Flight in Strong Winds [96.74836678572582]
  本稿では,ディープラーニングを通じて事前学習した表現を組み込むことで,オンラインでの迅速な適応を可能にする学習ベースのアプローチを提案する。 Neural-Flyは、最先端の非線形かつ適応的なコントローラよりもかなり少ないトラッキングエラーで正確な飛行制御を実現する。
  論文  参考訳（メタデータ） (2022-05-13T21:55:28Z)
• 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)
• Uncertainty Set Prediction of Aggregated Wind Power Generation based on Bayesian LSTM and Spatio-Temporal Analysis [42.68418705495523]
  本稿では,地理的に分散した風力発電所の集合的発生の不確かさの予測に焦点をあてる。 近傍の風力発電場における部分的な観測から動的特徴を学習するための時空間モデルを提案する。 中国北西部の6つの風力発電所の実際のデータに基づく数値実験の結果,集合風力発電の不確実性セットは1つの風力発電所のそれよりも揮発性が少ないことがわかった。
  論文  参考訳（メタデータ） (2021-10-07T11:57:16Z)
• Wind Power Projection using Weather Forecasts by Novel Deep Neural Networks [0.0]
  最適化された機械学習アルゴリズムを用いることで、観測結果に隠れたパターンを見つけ、意味のあるデータを得ることができる。 電力曲線を用いた風力予測におけるパラメトリックモデルと非パラメトリックモデルの利用について検討した。
  論文  参考訳（メタデータ） (2021-08-22T17:46:36Z)
• Scalable Optimization for Wind Farm Control using Coordination Graphs [5.56699571220921]
  風力発電の制御装置は、グリッドオペレータによって課される電力需要と農場の電力生産を一致させるために必要である。 風力タービン間の複雑な依存関係が存在するため、これは非自明な最適化問題である。 本研究では,スパースな風力場構造を利用して最適化問題を推定する風力場制御の新しい学習方法を提案する。
  論文  参考訳（メタデータ） (2021-01-19T20:12:30Z)

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。