Fugu-MT 論文翻訳(概要): Learning to Optimise Wind Farms with Graph Transformers

論文の概要: Learning to Optimise Wind Farms with Graph Transformers

arxiv url: http://arxiv.org/abs/2311.12750v1
Date: Tue, 21 Nov 2023 17:51:30 GMT
ステータス: 処理完了
システム内更新日: 2023-11-22 23:38:05.927079
Title: Learning to Optimise Wind Farms with Graph Transformers
Title（参考訳）: グラフトランスフォーマーによる風力発電所の最適化
Authors: Siyi Li, Arnaud Robert, A. Aldo Faisal, Matthew D. Piggott
Abstract要約: 提案モデルでは,ウィンドファームを完全連結グラフに符号化し,グラフ変換器を用いてグラフ表現を処理する。グラフ変換器のサロゲートはよく一般化され、風力発電所のグラフ表現内の潜伏構造パターンを明らかにすることができる。
参考スコア（独自算出の注目度）: 6.519940858545459
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This work proposes a novel data-driven model capable of providing accurate predictions for the power generation of all wind turbines in wind farms of arbitrary layout, yaw angle configurations and wind conditions. The proposed model functions by encoding a wind farm into a fully-connected graph and processing the graph representation through a graph transformer. The graph transformer surrogate is shown to generalise well and is able to uncover latent structural patterns within the graph representation of wind farms. It is demonstrated how the resulting surrogate model can be used to optimise yaw angle configurations using genetic algorithms, achieving similar levels of accuracy to industrially-standard wind farm simulation tools while only taking a fraction of the computational cost.
Abstract（参考訳）: 本研究は, 任意の配置, ヨー角配置, 風条件を有する風力発電所において, 全風力タービンの発電を正確に予測できる新しいデータ駆動モデルを提案する。提案モデルでは,ウィンドファームを完全連結グラフに符号化し,グラフ変換器を用いてグラフ表現を処理する。グラフトランスフォーマーサロゲートはよく一般化され、風力発電所のグラフ表現の中に潜伏した構造パターンを明らかにすることができる。得られた代理モデルを用いて遺伝的アルゴリズムを用いてヨー角構成を最適化し,産業標準の風力発電シミュレーションツールと同等の精度で計算コストのごく一部を消費することを示した。

関連論文リスト

Data is missing again -- Reconstruction of power generation data using $k$-Nearest Neighbors and spectral graph theory [0.0]
本研究では、風力発電の幾何学を用いて、データ駆動の概念と専門家の知識をブレンドする計算手法を提案する。提案手法は, スペクトルグラフ理論を用いて, ウィンドファームのグラフからラプラシアン固有写像を学習することに依存する。
論文参考訳（メタデータ） (2024-08-30T23:58:28Z)
Automatic Graph Topology-Aware Transformer [50.2807041149784]
マイクロレベルおよびマクロレベルの設計による包括的グラフトランスフォーマー検索空間を構築した。 EGTASはマクロレベルでのグラフトランスフォーマートポロジとマイクロレベルでのグラフ認識戦略を進化させる。グラフレベルおよびノードレベルのタスクに対して,EGTASの有効性を示す。
論文参考訳（メタデータ） (2024-05-30T07:44:31Z)
Deep Prompt Tuning for Graph Transformers [55.2480439325792]
ファインチューニングはリソース集約型であり、大きなモデルのコピーを複数保存する必要がある。ファインチューニングの代替として,ディープグラフプロンプトチューニングと呼ばれる新しい手法を提案する。事前学習したパラメータを凍結し、追加したトークンのみを更新することにより、フリーパラメータの数を減らし、複数のモデルコピーを不要にする。
論文参考訳（メタデータ） (2023-09-18T20:12:17Z)
Curve Your Attention: Mixed-Curvature Transformers for Graph Representation Learning [77.1421343649344]
本稿では,一定曲率空間の積を完全に操作するトランスフォーマーの一般化を提案する。また、非ユークリッド注意に対するカーネル化されたアプローチを提供し、ノード数とエッジ数に線形に時間とメモリコストでモデルを実行できるようにします。
論文参考訳（メタデータ） (2023-09-08T02:44:37Z)
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)
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)
Transformer for Graphs: An Overview from Architecture Perspective [86.3545861392215]
グラフのために既存のTransformerモデルを分類し、様々なグラフタスクでそれらの効果を体系的に研究することが不可欠です。まず、既存のモデルを分解し、バニラ変換器にグラフ情報を組み込む典型的な3つの方法を結論付けます。本実験は,Transformerにおける現在のグラフ固有のモジュールの利点を確認し,異なる種類のグラフタスクにおけるそれらの利点を明らかにする。
論文参考訳（メタデータ） (2022-02-17T06:02:06Z)
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)
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)
Learning Graphon Autoencoders for Generative Graph Modeling [91.32624399902755]
Graphonは任意のサイズでグラフを生成する非パラメトリックモデルであり、グラフから簡単に誘導できる。解析可能でスケーラブルなグラフ生成モデルを構築するために,textitgraphon autoencoder という新しいフレームワークを提案する。線形グルーポン分解モデルはデコーダとして機能し、潜在表現を活用して誘導されたグルーポンを再構成する。
論文参考訳（メタデータ） (2021-05-29T08:11:40Z)

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。