wind turbine
PulseAugur coverage of wind turbine — every cluster mentioning wind turbine across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的稀疏整数傅里叶变换方法提高了FFT效率
研究人员开发了一种名为稀疏整数傅里叶变换(SIFT)的新方法,以提高快速傅里叶变换(FFT)的计算效率。SIFT将DFT矩阵分解为稀疏整数矩阵并近似复数旋转因子,显著降低了算术成本。该方法在基数为32的FFT中估计算术成本降低了75%,并在工程应用(如风力涡轮机故障诊断)的频率提取方面显示出有希望的结果。
-
新的高斯过程模型整合地形数据以预测风力涡轮机功率曲线
研究人员开发了一种新颖的非参数时空高斯过程模型,旨在提高风力涡轮机功率曲线预测的准确性。与以往主要关注风速和温度等时间因素的模型不同,这种新方法将空间地形特征纳入其计算中。该模型通过构建一个更小、共享的代表性时间协变量集来解决时间错位的风电场数据挑战,从而能够使用可分离的核结构来捕捉空间和时间依赖性。在真实数据集上的实证结果表明,预测准确性得到提高,并提供了一种量化地形特征对涡轮机性能影响的方法。
-
新模型提升风力涡轮机异常检测能力
研究人员开发了一种名为TransGAN-WT的新型异常检测模型,旨在提高风力涡轮机的可靠性并降低维护成本。该模型结合了Transformer和生成对抗网络,能够有效地建模复杂时间序列数据中的关系并提取多模态特征。在真实风力涡轮机数据集上的实验表明,TransGAN-WT的F1分数达到96.10%,显著优于现有方法,并表现出较低的误报率。
-
LLM 框架标准化风力涡轮机维护日志以进行可靠性分析
研究人员开发了一个使用大型语言模型 (LLM) 的框架,用于标准化和结构化风力涡轮机的非结构化维护日志。该方法论处理历史数据以提取可靠性智能,纠正系统代码并识别维护操作和故障模式。该自动化管道成功地结构化了包含来自 280 台涡轮机的 16,316 条日志的数据集的 70% 以上,旨在改进可再生能源领域的故障分析和预测性维护。