2024中國可再生能源大會：基于XAI方法的數據挖掘框架獲得風機全新規律公式_第1頁
2024中國可再生能源大會：基于XAI方法的數據挖掘框架獲得風機全新規律公式_第2頁
2024中國可再生能源大會：基于XAI方法的數據挖掘框架獲得風機全新規律公式_第3頁
2024中國可再生能源大會：基于XAI方法的數據挖掘框架獲得風機全新規律公式_第4頁
2024中國可再生能源大會：基于XAI方法的數據挖掘框架獲得風機全新規律公式_第5頁
已閱讀5頁，還剩27頁未讀， 繼續免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

架獲得風機全新規律公式課題組研究方向：風力機尾流建模風電場場級智能控制可解釋人工智能風電場數據預測風資源評估第一部分研究背景研究背景PaulVeers美國可再生能源實驗室(NREL)首席科學家歷經十幾年的發展風能相關的先進技術與系統得到長足的進步，風能已然成為一種主流能源。風能科學面臨三個相互依存、跨學科的重大挑戰：l第一個挑戰是對風電場關鍵區域內大氣流動過程物理機制的深入理解；l第二個挑戰是關于世界上最大的動態旋轉機械系統的科學和工程問題；l第三個挑戰是處于電網中的各風電機組協同工作的優化和控制問題。解決這些問題將可以使風能提供世界一半的電力供應。研究背景模型可解釋性：模型可解釋性：傳達對它們未來行為的理解”NANJINGUNIVERSITYFSCIENCE&TECHNGY算法類別算法原理/實現功能物理指導的機器學習方法在神經網絡中引入不變量與守恒律結構設計迫使數據降維，最小化參數維度以獲得最小不相關表示加入物理約束同時最小化數據映射損失和物理約束損失搜索算法在符號回歸的基礎上結合進化算法發現偏微分形式方程使用遺傳符號回歸算法發現開放形式的偏微分方程以偏微分作為測度搜索數據符合的守恒律數值上最小化不對稱性違反以發現隱藏的對稱性網絡結構表征的機器學習方法通過節點與邊物理表征物理關系自動發現控制方程將激活函數替換為運算符并通過正則化方式簡化網絡結構第二部分研究內容技術路線A數據降維與分組B數據降噪與重建原始數據集的分組數據C數據挖掘方法原始數據集的分組數據對不同數據集得到分段表達式對不同數據集得到分段表達式優化初始化參數超參數優化初始化參數超參數!實踐數據、實驗數據用于科學發現的數據A模塊功能潛在規律統一實踐數據、實驗數據用于科學發現的數據A模塊功能潛在規律統一BC準確性準確性簡潔性第三部分數據驗證仿真數據驗證物理模型與仿真模型物理模型與仿真模型T入口溫度Ti、外環境溫度TS、初始出口溫度Toinit達到穩態所需時間t、出口溫度To仿真數據驗證特征貢獻分析：STSTt噪聲標準差00T5TT有效特征：入口溫度Ti、環境溫度TS面對無噪音與低噪音數據給出了準確簡明的結果驗證了該框架的合理性與可行性。風機功率數據 風機功率數據清洗前后數據對比預測功率相對預測誤差預測功率相對預測誤差數據挖掘所得數學表達式：θ=arccos(1.0358-風機功率數據泛化性驗證：算法對比驗證：//P=1.26×w2×(v-2)P

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論