論文の概要: Analysis and Forecasting of the Dynamics of a Floating Wind Turbine Using Dynamic Mode Decomposition

• arxiv url: http://arxiv.org/abs/2411.07263v1
• Date: Fri, 08 Nov 2024 18:38:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-13 13:20:12.418654
• Title: Analysis and Forecasting of the Dynamics of a Floating Wind Turbine Using Dynamic Mode Decomposition
• Title（参考訳）: 動的モード分解を用いたフローティング風車の動力学解析と予測
• Authors: Giorgio Palma, Andrea Bardazzi, Alessia Lucarelli, Chiara Pilloton, Andrea Serani, Claudio Lugni, Matteo Diez,
• Abstract要約: 本稿では, 動的モード分解(DMD)に基づくヘキサフロート浮揚風力タービンの動特性の, データ駆動式フリーモデリングについて述べる。 フローティングシステムに作用する動き,加速度,力の予測アルゴリズムを開発した。 その結果,システム状態の短期的将来予測に対するアプローチの能力が示され,リアルタイムな予測と制御が可能となった。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This article presents a data-driven equation-free modeling of the dynamics of a hexafloat floating offshore wind turbine based on the Dynamic Mode Decomposition (DMD). The DMD is here used to provide a modal analysis and extract knowledge from the dynamic system. A forecasting algorithm for the motions, accelerations, and forces acting on the floating system, as well as the height of the incoming waves, the wind speed, and the power extracted by the wind turbine, is developed by using a methodological extension called Hankel-DMD, that includes time-delayed copies of the states in an augmented state vector. All the analyses are performed on experimental data collected from an operating prototype. The quality of the forecasts obtained varying two main hyperparameters of the algorithm, namely the number of delayed copies and the length of the observation time, is assessed using three different error metrics, each analyzing complementary aspects of the prediction. A statistical analysis exposed the existence of optimal values for the algorithm hyperparameters. Results show the approach's capability for short-term future estimates of the system's state, which can be used for real-time prediction and control. Furthermore, a novel Stochastic Hankel-DMD formulation is introduced by considering hyperparameters as stochastic variables. The stochastic version of the method not only enriches the prediction with its related uncertainty but is also found to improve the normalized root mean square error up to 10% on a statistical basis compared to the deterministic counterpart.
• Abstract（参考訳）: 本稿では, 動的モード分解(Dynamic Mode Decomposition, DMD)に基づくヘキサフロート浮揚型風力タービンの動力学モデルについて述べる。 DMDは、モーダル解析を提供し、動的システムから知識を抽出するために用いられる。 拡張状態ベクトルに状態の時間遅延コピーを含むハンケルDMDと呼ばれる方法論拡張を用いて, 浮動系に作用する動き, 加速度, 力の予測アルゴリズム, 着地波の高さ, 風速, 風力タービンによって抽出される力の予測アルゴリズムを開発した。 全ての分析は、実験プロトタイプから収集した実験データに基づいて行われる。 アルゴリズムの2つの主パラメータ、すなわち遅延コピー数と観測時間の長さの異なる予測値の質を、3つの異なる誤差指標を用いて評価し、それぞれが予測の相補的な側面を分析する。 統計分析によりアルゴリズムハイパーパラメーターの最適値の存在が明らかになった。 その結果,システム状態の短期的将来予測に対するアプローチの能力が示され,リアルタイムの予測と制御に利用することができる。 さらに、超パラメータを確率変数として考慮し、新しい確率的ハンケル-DMD定式化を導入する。 この手法の確率的なバージョンは、その関連する不確実性によって予測を豊かにするだけでなく、決定論的手法に比べて統計的に10%の正規化ルート平均二乗誤差を改善することも見出される。

関連論文リスト

• Parametric model reduction of mean-field and stochastic systems via higher-order action matching [1.1509084774278489]
  我々は、勾配と平均場効果を特徴とする物理系の人口動態のモデルを学ぶ。 提案手法は,幅広いパラメータの集団動態を正確に予測し,最先端拡散モデルおよびフローベースモデルより優れていることを示す。
  論文  参考訳（メタデータ） (2024-10-15T19:05:28Z)
• Comparative Evaluation of Metaheuristic Algorithms for Hyperparameter Selection in Short-Term Weather Forecasting [0.0]
  本稿では,遺伝的アルゴリズム (GA), 微分進化 (DE), 粒子群最適化 (PSO) のメタヒューリスティックアルゴリズムの適用について検討する。 平均二乗誤差(MSE)や平均絶対パーセンテージ誤差(MAPE)といった指標に基づいて天気予報の性能を評価する。
  論文  参考訳（メタデータ） (2023-09-05T22:13:35Z)
• Capturing dynamical correlations using implicit neural representations [85.66456606776552]
  実験データから未知のパラメータを復元するために、モデルハミルトンのシミュレーションデータを模倣するために訓練されたニューラルネットワークと自動微分を組み合わせた人工知能フレームワークを開発する。 そこで本研究では, 実時間から多次元散乱データに適用可能な微分可能なモデルを1回だけ構築し, 訓練する能力について述べる。
  論文  参考訳（メタデータ） (2023-04-08T07:55:36Z)
• Physics-constrained deep neural network method for estimating parameters in a redox flow battery [68.8204255655161]
  バナジウムフローバッテリ(VRFB)のゼロ次元(0D)モデルにおけるパラメータ推定のための物理拘束型ディープニューラルネットワーク(PCDNN)を提案する。 そこで, PCDNN法は, 動作条件のモデルパラメータを推定し, 電圧の0Dモデル予測を改善することができることを示す。 また,PCDNNアプローチでは,トレーニングに使用しない操作条件のパラメータ値を推定する一般化能力が向上することが実証された。
  論文  参考訳（メタデータ） (2021-06-21T23:42:58Z)
• Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening Simulations [58.720142291102135]
  動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。 本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
  論文  参考訳（メタデータ） (2021-04-28T22:14:25Z)
• Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
  実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。 特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。 本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
  論文  参考訳（メタデータ） (2021-02-12T12:23:13Z)
• Robots State Estimation and Observability Analysis Based on Statistical Motion Models [10.941793802354953]
  本稿では,移動ロボットの動特性(翻訳と回転)を捉える汎用動作モデルを提案する。 このモデルは白色ランダムプロセスによって駆動される統計モデルに基づいており、エラー状態拡張カルマンフィルタリングフレームワーク(ESEKF)に基づく完全な状態推定アルゴリズムに定式化されている。 システム状態の観測不能なサブセットを特徴付けるために、新しいtexttextbfitthin セットの概念が導入された。
  論文  参考訳（メタデータ） (2020-10-12T18:35:33Z)
• Physics-Informed Gaussian Process Regression for Probabilistic States Estimation and Forecasting in Power Grids [67.72249211312723]
  電力グリッドの効率的な運転にはリアルタイム状態推定と予測が不可欠である。 PhI-GPRは3世代電力系統の位相角,角速度,風力の予測と推定に使用される。 提案手法は観測された状態と観測されていない状態の両方を正確に予測し,推定することができることを示す。
  論文  参考訳（メタデータ） (2020-10-09T14:18:31Z)
• 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。