論文の概要: Domain-Adapted Power Curve for Cross-Farm Applications

• arxiv url: http://arxiv.org/abs/2607.19744v1
• Date: Wed, 22 Jul 2026 04:30:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-23 18:51:37.976664
• Title: Domain-Adapted Power Curve for Cross-Farm Applications
• Title（参考訳）: クロスファーム用ドメイン適応パワーカーブ
• Authors: Ahmadreza Chokhachian, V. Roshan Joseph, Yu Ding,
• Abstract要約: 風力エネルギー産業は、電力予測、タービン性能の評価、アップグレードの定量化、サイト計画決定を支援するために正確な電力曲線モデルに依存している。 本稿では, 風力発電所のタービンデータを用いて訓練した電力曲線モデルを, 新たな未開発農場に転送する方法について検討する。
• 参考スコア（独自算出の注目度）: 4.244284303622027
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The wind energy industry relies on accurate power curve models to make power forecast, evaluate turbine performance, quantify upgrade, or support site-planning decisions. In this paper, we focus on site-planning power curves, i.e., we investigate how power curve models trained using turbine data on an operating wind farm can be transferred to a new, undeveloped farm. The traditional wisdom in the wind energy literature relies on distance, layout, or terrain characteristics for making cross-farm power curve transfer. Through the lens of domain adaptation, we propose a more reliable transfer learning approach for cross-farm power curve modeling. In the cross-farm applications, a domain is specified by the temporal environmental variates and spatial terrain variables. Domain adaptation is to find a capable similarity metric to adapt the domain on the new farm to that on the existing farm. Empirical results show that our domain adapted power curve consistently outperforms competing approaches by an appreciable margin for site-planning power predictions.
• Abstract（参考訳）: 風力エネルギー産業は、電力予測、タービン性能の評価、アップグレードの定量化、サイト計画決定を支援するために正確な電力曲線モデルに依存している。 本稿では, 運転風力発電所のタービンデータを用いて訓練した電力曲線モデルを, 新たな未開発農場に導入する方法について検討する。 風力エネルギー文学における伝統的な知恵は、クロスファームのパワーカーブの転送に距離、レイアウト、地形の特徴に依存している。 領域適応のレンズを通して、クロスファームパワーカーブモデリングのためのより信頼性の高い転送学習手法を提案する。 クロスファームアプリケーションでは、ドメインは時間的環境変動と空間的地形変数によって指定される。 ドメイン適応は、新しいファーム上のドメインを既存のファームに適応させるための、有能な類似度メトリックを見つけることである。 実験の結果、我々の領域適応パワー曲線は、サイト計画パワー予測において、相応のマージンで競合するアプローチより一貫して優れていた。

関連論文リスト

• Spatio-Temporal Gaussian Process for Building Terrain-Incorporating Wind Power Curves [4.244284303622027]
  風力タービンの出力曲線の正確なモデリングは、最適風力操作に不可欠である。 既存のすべてのパワーモデルは、農場の地形の影響を見下ろしながら、風速などの時間変数にカーブする。
  論文  参考訳（メタデータ） (2026-06-30T00:19:06Z)
• Dual Advantage Fields [49.37343159001842]
  本稿では,双線形二重値モデルを局所的有利信号に変換するポリシ抽出法であるDual Advantage Fieldsを提案する。 OGBenchのロコモーション、操作、パズルタスクでは、DAFは総合的なRLiableメトリクスを改善し、局所的に正しいアクションが最終目標に向かっての直接の動きと異なる設定で強く機能する。
  論文  参考訳（メタデータ） (2026-06-02T20:15:14Z)
• Powerformer: A Transformer with Weighted Causal Attention for Time-series Forecasting [50.298817606660826]
  我々は,非因果重みをスムーズな重み付き崩壊に応じて再加重する因果重みに置き換える新しいトランスフォーマーであるPowerformerを紹介する。 我々の実証実験の結果,Powerformer は公開時系列ベンチマークで最先端の精度を達成できた。 分析の結果、トレーニング中にモデルの局所性バイアスが増幅され、時系列データとパワールールに基づく注意の相互作用が示されることがわかった。
  論文  参考訳（メタデータ） (2025-02-10T04:42:11Z)
• Applying Ensemble Models based on Graph Neural Network and Reinforcement Learning for Wind Power Forecasting [1.4710752403175422]
  WPF(Wind Power Forecasting)のためのグラフニューラルネットワークと強化学習(EMGRL)に基づくアンサンブルモデルを提案する。 提案手法は,1) 対象の風力発電に関連する近隣の風力発電所の時系列データを取得するためにグラフニューラルネットワークを適用し,(2) 対象の風力発電所のデータと目標の風力発電所の基地モデルの歴史的性能を統合する汎用的な組込みを確立すること,(3) WPF のアクタ批判的強化学習フレームワークを通じて,全ての基地モデルの利点を集成し活用することを含む。
  論文  参考訳（メタデータ） (2025-01-28T00:12:26Z)
• Learning to Optimise Wind Farms with Graph Transformers [6.519940858545459]
  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。
  論文  参考訳（メタデータ） (2023-11-21T17:51:30Z)
• Domain Generalization for Crop Segmentation with Standardized Ensemble Knowledge Distillation [42.39035033967183]
  サービスロボットは、周囲を理解し、野生のターゲットを識別するリアルタイム認識システムが必要です。 しかし、既存の方法はしばしば、新しい作物や環境条件への一般化において不足している。 本稿では,知識蒸留を用いた領域一般化手法を提案する。
  論文  参考訳（メタデータ） (2023-04-03T14:28:29Z)
• Exploring Consistency in Cross-Domain Transformer for Domain Adaptive Semantic Segmentation [51.10389829070684]
  ドメインギャップは、自己注意の相違を引き起こす可能性がある。 このギャップのため、変圧器は、ターゲット領域の精度を低下させる刺激領域または画素に付随する。 ドメイン横断の注意層を持つアテンションマップに適応する。
  論文  参考訳（メタデータ） (2022-11-27T02:40:33Z)
• 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)
• Towards a Peer-to-Peer Energy Market: an Overview [68.8204255655161]
  本研究は, 電力市場を中心に, 現状と, プロシューマーによる分散型自己生成能力の増大傾向を比較した。 我々はP2P(Peer-to-Peer)エネルギー市場のための潜在的多層アーキテクチャを導入し、マイクログリッドの一部として、地域生産と地域消費の基本的な側面について議論する。 読者に全体像を示すため、スマートコントラクトやグリッド安定性といったエネルギー取引の関連要素についても精査する。
  論文  参考訳（メタデータ） (2020-03-02T20:32:10Z)

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。