wind turbines | BriefGPT - AI 论文速递

关键词wind turbines

搜索结果 - 10

CARE 比较：风力涡轮数据异常检测的真实世界数据集
发布了一个包含 36 台风力发电机跨 3 个风场的数据集，为我们所知公开风力发电机数据集中含有最详细故障信息。而且，我们提出了一个名为 CARE（覆盖率、准确性、可靠性和预报性）的新的评分方法，利用该数据集的信息深度来识别一个全面的异常检测
PDF3 months ago
风力发电机组异常检测的迁移学习应用
通过跨风力发电机的迁移学习，结合自编码器和重构误差的阈值，实现风力发电机中的异常检测，发现调整模型阈值可以比基准模型表现更好，而微调解码器或自编码器则进一步提升模型性能。
PDF3 months ago
设备健康评估：风力发电机性能的时序分析
利用 SCADA 数据和先进的时间序列方法（FNN 和 LSTM 网络），我们预测不同风力涡轮的发电量，同时提出了集成 FNN 和 LSTM 模型的新方法以提高预测的稳定性和准确性。此外，我们应用机器学习技术来检测风力涡轮性能的退化，从而实
PDF4 months ago
利用虚拟现实技术和深度学习进行风力涡轮叶片缺陷检测的新方法
通过使用两步深度学习方法，本文试验缺陷检测准确性，在风力涡轮片背景中生成真实感图像并训练定制的 U-Net 架构来分类和分割缺陷，为无人机等航空器的自主和远程检查提供合理的缺陷检测准确性。
PDF6 months ago
使用图变换器学习优化风场
该论文提出了一种新颖的数据驱动模型，能够准确预测任意布局、偏航角配置和风况下所有风电场的发电量。该模型通过将风电场编码成全连接图，并通过图变换器处理图表示来实现。结果表明，该图变换器代理模型具有良好的泛化能力，并能发现风电场图表示中的潜在结
PDF8 months ago
基于改进深度学习模型的海上风电场鸟类快速识别
为了解决风力发电机叶片损伤的健康和生态问题，本文提出了一种新的基于 YOLOv5 的鸟类检测模型，该模型使用了 CBAM 注意机制和 RetinexNet 网络来提高网络性能，实验结果表明，该模型检测鸟类的准确度可以达到 87.40％，且该
PDFa year ago
MM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。
PDF2 years ago
SDWPF：KDD Cup 2022 空间动态风力预测挑战赛数据集
本文介绍了一个包括风力涡轮的空间分布和动态环境信息的独特 Spatial Dynamic Wind Power Forecasting 数据集（SDWPF），并利用该数据集进行了 Baidu KDD Cup 2022 的模拟。
PDF2 years ago
基于人工智能的可再生交流微电网优化调度与双向 LSTM 风力发电预测
本文提出基于教师学习优化的框架和基于双向长短期记忆的深度学习模型的组合，以实现考虑能量储存装置、风力涡轮机、微型涡轮机的可再生微网的优化调度。结果表明，本文提出的框架在微电网的优化调度方面是有效的和高效的。
PDF2 years ago
贝叶斯对齐变形的多输出高斯过程
本研究提出了一种基于潜在的共享信息的贝叶斯方法，用于建模时间序列的非线性对齐，并将该方法应用于传感器数据中寻找风力涡轮机数据中的共同结构。提出的模型允许输入的任意对齐和非参数输出扭曲以转换观察结果。
PDF7 years ago