Mar, 2022

风力涡轮机运维人工智能的计量学综述：过去、现在和未来

PDF
TL;DR本文运用统计计算方法，对风能领域人工智能技术的概念和主题演进进行了系统综述，提出了人工智能技术在风电设备运维中的挑战和应对策略，旨在鼓励更多组织采用数据驱动的决策技术，以实现风能可靠性的增强和全球应对气候变化的目标。
发现论文，激发创造
  • XAI4Wind：一种面向风力涡轮机运维方面的可解释决策支持的多模态知识图数据库

    我们提出了 XAI4Wind，这是一个多模式知识图谱，旨在为实际操作涡轮提供可解释的决策支持，并通过图形数据科学算法展示了多种用例。

    Dec, 2020

  • 人工智能在可再生能源领域的现状与未来发展：全面调查

    利用人工智能算法，研究了人工智能在可再生能源领域的应用，包括可再生能源发电、能源预测和能源系统优化等方面，分析了其性能和结果，并总结了人工智能在能源行业发展中的重要性和未来方向。

    Jun, 2024

  • 透明且鲁棒的基于数据的风力涡轮机功率曲线模型

    该论文引入了可解释的人工智能框架，通过 Shapley 值和最新的可解释 AI for 回归方法，从 SCADA 数据中学习风力发电机功率曲线模型。研究结果表明，学习策略可以更好地指示模型的鲁棒性，比验证集或测试集错误更有用。本文提出了在风力涡轮机性能监测中利用 XAI 的方案，最终目标是选取更透明和鲁棒的数据驱动风力涡轮机功率曲线模型。

    Apr, 2023

  • 透明风力涡轮机功率曲线模型的可解释性人工智能 (XAI)

    研究表明，大型机器学习模型体系结构的普及会导致物理上不可行的模型策略，因此，我们建议更多地运用可解释人工智能（XAI）方法来选择模型，并提出了一种实用的方法来利用解释来进行风力涡轮性能监测的根本原因分析，以帮助减少停机时间，增加场地涡轮的利用率。

    Oct, 2022

  • 智能离岸风电场的监测、运营和维护综述

    本文针对海上风电场的监测、运营和维护进行分析和总结，并重点从海上风电工程与生物与环境监测、动力设备监测以及智能海上风电场的运营和维护等方面进行研究。最后提出了智能海上风电场监测、运行和维护的未来研究挑战，并展望了该领域的未来研究方向。

    Nov, 2022

  • 风力涡轮机叶片视觉损伤自动检测系统

    针对风能产业中风力发电机叶片破损的问题，提出了一种基于机器学习的破损检测模型，并探讨该模型在生产中实际运用的性能和效果，借助该模型可以降低风能发电的运营成本。

    May, 2022

  • 基于无人机辅助监测的风力涡轮机在线动态可靠性评估

    本文介绍了一种基于无人机辅助监测的风力涡轮机在线可靠性评估方法。

    Nov, 2022

  • 使用物理信息神经网络和证据不确定性量化预测风力发电机功率

    使用物理信息神经网络对来自 4 台风力发电机的历史数据进行回归建模，同时引入高效的证据层对预测进行不确定性估计，证明其与绝对误差一致，并为功率曲线定义了一个置信区间。

    Jul, 2023

  • 基于人工智能的优化能耗方法综述

    能源优化、人工智能、实时监测、智能系统和能源供应是该研究论文的主要关键词和研究领域，并通过对 17 个不同研究方法的评估揭示了它们的优势和局限性，为未来的人工智能与能源消耗优化的整合指明了方向。

    Jun, 2024

  • 风能知识工程

    通过知识工程，将风能领域的数据转化为领域知识，与其他知识源相连接和整合，以应用于下一代人工智能系统的数字化转型，本文总结了知识工程的主要概念和风能领域的知识表示，分析了当前风能领域中知识工程的现状，并提供进一步发展和改进的指导。

    Oct, 2023