論文の概要: Upward lightning at wind turbines: Risk assessment from larger-scale meteorology

• arxiv url: http://arxiv.org/abs/2301.03360v1
• Date: Mon, 9 Jan 2023 14:12:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-10 16:05:42.135712
• Title: Upward lightning at wind turbines: Risk assessment from larger-scale meteorology
• Title（参考訳）: 風力タービンにおける上向き雷 : 大規模気象学からのリスク評価
• Authors: Isabell Stucke, Deborah Morgenstern, Thorsten Simon, Georg J. Mayr, Achim Zeileis, Gerhard Diendorfer, Wolfgang Schulz, Hannes Pichler
• Abstract要約: 風力タービンにおける雷のリスク評価に関する現在の基準は、主に夏の雷活動を考慮している。 ULの50%未満は,寒冷期の雷種である落雷位置システム (LLS) によって検出される可能性がある。 本研究では,ガイスベルクタワー(オーストリア)とサンティスタワー(スウィッツァーランド)で直接UL測定を行い,風力タービンにおけるLSS検出およびLSS検出不能ULのリスクを評価することを目的とする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Upward lightning (UL) has become an increasingly important threat to wind turbines as ever more of them are being installed for renewably producing electricity. The taller the wind turbine the higher the risk that the type of lightning striking the man-made structure is UL. UL can be much more destructive than downward lightning due to its long lasting initial continuous current leading to a large charge transfer within the lightning discharge process. Current standards for the risk assessment of lightning at wind turbines mainly take the summer lightning activity into account, which is inferred from LLS. Ground truth lightning current measurements reveal that less than 50% of UL might be detected by lightning location systems (LLS). This leads to a large underestimation of the proportion of LLS-non-detectable UL at wind turbines, which is the dominant lightning type in the cold season. This study aims to assess the risk of LLS-detectable and LLS-non-detectable UL at wind turbines using direct UL measurements at the Gaisberg Tower (Austria) and S\"antis Tower (Switzerland). Direct UL observations are linked to meteorological reanalysis data and joined by random forests, a powerful machine learning technique. The meteorological drivers for the non-/occurrence of LLS-detectable and LLS-non-detectable UL, respectively, are found from the random forest models trained at the towers and have large predictive skill on independent data. In a second step the results from the tower-trained models are extended to a larger study domain (Central and Northern Germany). The tower-trained models for LLS-detectable lightning is independently verified at wind turbine locations in that domain and found to reliably diagnose that type of UL. Risk maps based on case study events show that high diagnosed probabilities in the study domain coincide with actual UL events.
• Abstract（参考訳）: 上向きの雷 (UL) は風力タービンにとってますます重要な脅威となっている。 風力タービンが高ければ高いほど、人造構造体に衝突する雷の種類はULである。 ULは、長い持続する初期電流により雷放電過程内で大きな電荷移動をもたらすため、下向きの雷よりもはるかに破壊的である。 風力タービンにおける雷害リスク評価の現在の基準は、主にLSSから推定される夏の雷害を考慮に入れている。 ground truth lightning current measurementは、ulの50%未満がlightning location systems (lls) によって検出される可能性があることを示している。 このことは、寒冷期には雷が主流であった風力タービンにおけるLSS非検出可能なULの割合を大きく過小評価することにつながる。 本研究の目的は、ガイスベルク塔(オーストリア)とS\antis Tower(スウィッツァーランド)で直接UL測定を行い、風力タービンにおけるLSS検出可能およびLSS検出不能ULのリスクを評価することである。 直接UL観測は気象学的再分析データと関連付けられ、強力な機械学習技術であるランダム森林と結合する。 LLS検出不可能かつLSS検出不能なULの非発生要因は、塔で訓練されたランダムな森林モデルから明らかであり、独立したデータに対する予測能力が高い。 第2段階では、塔で訓練されたモデルの結果は、より大きな研究領域(中央ドイツと北ドイツ)に拡張される。 LLS検出可能な雷の塔で訓練されたモデルは、その領域内の風力タービンで独立に検証され、そのタイプのULを確実に診断することが判明した。 ケーススタディイベントに基づくリスクマップは、研究領域における高い診断確率が実際のULイベントと一致することを示している。

関連論文リスト

• Generative Precipitation Downscaling using Score-based Diffusion with Wasserstein Regularization [19.32044524311079]
  地域リスクと降水科学を理解するために、長期記録と高解像度の製品が発掘されることがある。 本稿では,世界規模で利用可能なゲージベース降水生成物をダウンスケールする新しい生成拡散モデルを提案する。 We show that WassDiff has better reconstruction accuracy and bias scores than conventional score-based diffusion model。
  論文  参考訳（メタデータ） (2024-10-01T04:12:40Z)
• Spatio-seasonal risk assessment of upward lightning at tall objects using meteorological reanalysis data [0.0]
  本研究は,アルプス東部とその周辺地域における高層天体の雷害について検討し,上向きの雷害のリスクを評価する。 現在のリスク評価手法は、気象条件の影響を見落とし、ULリスクを過小評価する可能性がある。 この研究では、ガイスベルクタワー(オーストリア)で測定されたULと35ドルの大規模気象変数の関係を機械学習技術であるランダムフォレストを用いて分析した。
  論文  参考訳（メタデータ） (2024-03-18T10:13:24Z)
• TRG-Net: An Interpretable and Controllable Rain Generator [61.2760968459789]
  本研究は,降雨の基盤となる物理的発生機構を十分に考慮した,新しい深層学習型降雨発生器を提案する。 その意義は、発電機が予想される雨をシミュレートするために雨の本質的な要素を精巧に設計するだけでなく、複雑で多様な雨のイメージに微妙に適応することにある。 提案した雨発生器が発生した雨は, 高品質であるだけでなく, 排水作業や下流作業にも有効であることを示す。
  論文  参考訳（メタデータ） (2024-03-15T03:27:39Z)
• FactCHD: Benchmarking Fact-Conflicting Hallucination Detection [64.4610684475899]
  FactCHD は LLM からファクトコンフリクトの幻覚を検出するために設計されたベンチマークである。 FactCHDは、バニラ、マルチホップ、比較、セット操作など、さまざまな事実パターンにまたがる多様なデータセットを備えている。 Llama2 に基づくツール強化 ChatGPT と LoRA-tuning による反射的考察を合成する Truth-Triangulator を提案する。
  論文  参考訳（メタデータ） (2023-10-18T16:27:49Z)
• Autonomous Point Cloud Segmentation for Power Lines Inspection in Smart Grid [56.838297900091426]
  高電圧と低電圧の両方の電力線の特徴を検出し,抽出し,解析するために,教師なし機械学習(ML)フレームワークを提案する。 提案フレームワークは電力線を効率よく検出し,PLCに基づくハザード解析を行う。
  論文  参考訳（メタデータ） (2023-08-14T17:14:58Z)
• Learning Electron Bunch Distribution along a FEL Beamline by Normalising Flows [48.236222741059834]
  FELビームラインにおける電子雲の条件相空間表現のための正規化フローに基づく代理モデルを提案する。 得られた結果から、ビームライン内の基本的なプロセスをより深く理解するために、モデルのエクスプロイラビリティのさらなるメリットと制限について議論できる。
  論文  参考訳（メタデータ） (2023-02-27T15:21:25Z)
• Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
  強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。 我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
  論文  参考訳（メタデータ） (2022-08-12T17:13:25Z)
• Semi-Supervised Surface Anomaly Detection of Composite Wind Turbine Blades From Drone Imagery [17.639472693362926]
  BladeNetは、教師なしタービンブレードの検出と抽出の両方を行うアプリケーションベースで堅牢なデュアルアーキテクチャである。 我々の二重構造はガラス繊維複合材ブレードの表面欠陥を高い適性で検出する。 BladeNetは、オフショア風力タービンのためのOrstedブレード検査データセットで0.995のAverage Precision(AP)を、デンマーク工科大学(DTU)のNordTankタービン検査データセットで0.223のAverage Precision(AP)を生成しています。
  論文  参考訳（メタデータ） (2021-12-01T15:20:12Z)
• Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
  ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。 降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
  論文  参考訳（メタデータ） (2021-07-14T21:10:47Z)
• 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)
• A Secure Deep Probabilistic Dynamic Thermal Line Rating Prediction [0.0]
  本稿では、動的熱線評価(DTLR)の時差予測のための安全かつ鋭い確率予測モデルを提案する。 提案したDTLRのセキュリティは、実際のDTLRを超えるDTLR予測の頻度を制限する。 カスタマイズされたコスト関数を導入することで、ディープニューラルネットワークは、要求される超過確率に基づいてDTLRセキュリティを検討するように訓練される。
  論文  参考訳（メタデータ） (2020-11-21T23:20:58Z)

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。