論文の概要: Population-based wind farm monitoring based on a spatial autoregressive
approach
- arxiv url: http://arxiv.org/abs/2310.10555v1
- Date: Mon, 16 Oct 2023 16:26:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-18 01:27:20.369339
- Title: Population-based wind farm monitoring based on a spatial autoregressive
approach
- Title（参考訳）: 空間的自己回帰に基づく人口ベース風力発電モニタリング
- Authors: W. Lin, K. Worden and E.J. Cross
- Abstract要約: 人口ベースの構造的健康モニタリングは、健康モニタリングシステムのコストをさらに削減することができる。
人口・農業レベルでタービンの性能を監視するためには、すべてのタービンの挙動を記述するモデルを構築することが重要な初期段階である。
本稿では, 覚醒効果によって引き起こされる空間的および時間的相関(タービン間)を明示的に捉えた集団レベルのモデルを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: An important challenge faced by wind farm operators is to reduce operation
and maintenance cost. Structural health monitoring provides a means of cost
reduction through minimising unnecessary maintenance trips as well as
prolonging turbine service life. Population-based structural health monitoring
can further reduce the cost of health monitoring systems by implementing one
system for multiple structures (i.e.~turbines). At the same time, shared data
within a population of structures may improve the predictions of structural
behaviour. To monitor turbine performance at a population/farm level, an
important initial step is to construct a model that describes the behaviour of
all turbines under normal conditions. This paper proposes a population-level
model that explicitly captures the spatial and temporal correlations (between
turbines) induced by the wake effect. The proposed model is a Gaussian
process-based spatial autoregressive model, named here a GP-SPARX model. This
approach is developed since (a) it reflects our physical understanding of the
wake effect, and (b) it benefits from a stochastic data-based learner. A case
study is provided to demonstrate the capability of the GP-SPARX model in
capturing spatial and temporal variations as well as its potential
applicability in a health monitoring system.
- Abstract（参考訳）: 風力発電業者が直面する重要な課題は、運用コストとメンテナンスコストの削減である。
構造的健康モニタリングは、不要なメンテナンストリップを最小化し、タービンの寿命を延ばすことでコスト削減の手段を提供する。
人口に基づく構造的健康モニタリングは、複数の構造(すなわちタービン)のための1つのシステムを実装することで、健康モニタリングシステムのコストをさらに削減することができる。
同時に、構造の集団内の共有データは、構造行動の予測を改善する可能性がある。
人口・農業レベルでタービン性能を監視するためには、まず、正常な条件下での全てのタービンの挙動を記述するモデルを構築することが重要となる。
本稿では,ウェイク効果によって引き起こされる(タービン間の)空間的および時間的相関を明示的に捉える人口レベルモデルを提案する。
提案モデルはガウス過程に基づく空間自己回帰モデルであり,GP-SPARXモデルと命名された。
このアプローチはそれ以来開発されています
(a)覚醒効果の身体的理解を反映しており、
(b)確率的データに基づく学習者の恩恵を受ける。
gp-sparxモデルが空間的および時間的変動を捉え、健康モニタリングシステムに適用できる可能性を示すケーススタディを提供する。
関連論文リスト
- Diffusion-based subsurface multiphysics monitoring and forecasting [4.2193475197905705]
本稿では,ビデオ拡散モデルを用いた新しい地下マルチ物理モニタリングおよび予測フレームワークを提案する。
このアプローチは、CO$2$進化の高品質な表現と、それに伴う地下弾性特性の変化を生成することができる。
コンパスモデルに基づく実験では,CO$モニタリングに関連する本質的に複雑な物理現象を,提案手法がうまく捉えることができた。
論文 参考訳（メタデータ） (2024-07-25T23:04:37Z) - Anomaly Detection in Offshore Wind Turbine Structures using Hierarchical
Bayesian Modelling [0.0]
オフショア・ウィンドファームは、名目上同定されたウィンドタービン構造の人口と見なすことができる。
例えば、幾何学、海底条件、温度差などである。
本稿では, 人口および地域レベルでの土壌硬度分布を推定するために, 階層型ベイズモデルを用いて検討する。
論文 参考訳（メタデータ） (2024-02-29T15:58:16Z) - Forecasting Intraday Power Output by a Set of PV Systems using Recurrent Neural Networks and Physical Covariates [0.0]
PhotoVoltaic(PV)システムによる出力の正確な予測は、エネルギー分配グリッドの動作を改善するために重要である。
このような日内予測の実現を目的とした神経自己回帰モデルについて述べる。
論文 参考訳（メタデータ） (2023-03-15T09:03:58Z) - DR-Label: Improving GNN Models for Catalysis Systems by Label
Deconstruction and Reconstruction [72.20024514713633]
本稿では,新しいグラフニューラルネットワーク(GNN)と予測戦略DR-Labelを提案する。
この戦略は、監視信号を強化し、エッジ表現における解の多重度を低減し、ノード予測を堅牢にすることを促す。
DR-Labelは3つの根本的に異なるモデルに適用され、それぞれが一貫した性能向上を示した。
論文 参考訳（メタデータ） (2023-03-06T04:01:28Z) - Safe AI for health and beyond -- Monitoring to transform a health
service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。
モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文 参考訳（メタデータ） (2023-03-02T17:27:45Z) - Farm-wide virtual load monitoring for offshore wind structures via
Bayesian neural networks [0.0]
ベイジアンニューラルネットワーク(BNN)を用いた仮想負荷監視フレームワークを提案する。
BNNは、発生した負荷予測に関連する不確かさを本質的に発表し、非監視風力タービンで発生した不正確な負荷推定を検出できるようにする。
以上の結果から,BNNモデルの有効性が示された。
論文 参考訳（メタデータ） (2022-10-31T13:02:50Z) - Conditioned Human Trajectory Prediction using Iterative Attention Blocks [70.36888514074022]
本研究では,都市環境における歩行者位置予測を目的とした,簡易かつ効果的な歩行者軌道予測モデルを提案する。
我々のモデルは、複数のアテンションブロックとトランスフォーマーを反復的に実行できるニューラルネットワークアーキテクチャである。
ソーシャルマスク, 動的モデル, ソーシャルプーリング層, 複雑なグラフのような構造を明示的に導入することなく, SoTAモデルと同等の結果が得られることを示す。
論文 参考訳（メタデータ） (2022-06-29T07:49:48Z) - Your Autoregressive Generative Model Can be Better If You Treat It as an
Energy-Based One [83.5162421521224]
本稿では,自己回帰生成モデルの学習のための独自のE-ARM法を提案する。
E-ARMは、よく設計されたエネルギーベースの学習目標を活用する。
我々は、E-ARMを効率的に訓練でき、露光バイアス問題を緩和できることを示した。
論文 参考訳（メタデータ） (2022-06-26T10:58:41Z) - 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) - 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) - Stochastically forced ensemble dynamic mode decomposition for
forecasting and analysis of near-periodic systems [65.44033635330604]
本稿では,観測力学を強制線形系としてモデル化した新しい負荷予測手法を提案する。
固有線型力学の利用は、解釈可能性やパーシモニーの観点から、多くの望ましい性質を提供することを示す。
電力グリッドからの負荷データを用いたテストケースの結果が提示される。
論文 参考訳（メタデータ） (2020-10-08T20:25:52Z)
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。