دانلود مقاله انگلیسی رایگان:پیش بینی چند هدفه بر اساس داده های بزرگ برای مزرعه بادی دریایی بر اساس الگوریتم های یادگیری ماشین - 2019
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی یادگیری ماشین رایگان
  • Big data driven multi-objective predictions for offshore wind farm based on machine learning algorithms Big data driven multi-objective predictions for offshore wind farm based on machine learning algorithms
    Big data driven multi-objective predictions for offshore wind farm based on machine learning algorithms

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Big data driven multi-objective predictions for offshore wind farm based on machine learning algorithms


    ترجمه فارسی عنوان مقاله:

    پیش بینی چند هدفه بر اساس داده های بزرگ برای مزرعه بادی دریایی بر اساس الگوریتم های یادگیری ماشین


    منبع:

    Sciencedirect - Elsevier - Energy, 186 (2019) 115704: doi:10:1016/j:energy:2019:07:034


    نویسنده:

    Xiuxing Yin, Xiaowei Zhao*


    چکیده انگلیسی:

    This paper explores the big data driven multi-objective predictions for offshore wind farm based on machine learning. A data-driven prediction framework is proposed to predict the wind farm power output and structural fatigue. Unlike the existing methods that are normally based on analytical models, mainly focus on single objective and ignore the control contributions, the proposed framework uses the turbine control inputs, inflow wind velocity and directions as the predictor variables. It is constructed by training five typical machine learning approaches: the general regression neural network (GRNN), random forest (RF), support vector machine (SVM), gradient boosting regression (GBR) and recurrent neural network (RNN). The assessment of these approaches is based on the FLOw Redirection and Induction in Steady State (FLORIS) under 6 different scenarios. The test results in different cases are highly consistent with each other and validate that very minor accuracy differences exist among these approaches and they all can achieve the relative accuracy of around 99% or more, which is sufficiently accurate for practical applications. The RNN and SVM exhibit the best accuracy, and particularly the RNN has the best accuracy in thrust predictions. The results also demonstrate that the GRNN has the best computational efficiency.
    Keywords: Big data | Multi-objective predictions | Offshore wind farm | Machine learning


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 21
    حجم فایل: 8249 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی