基于动态模态分解的浮式海上风力发电机分析、预测与系统辨识
机器学习
2025-02-18 v2 大气与海洋物理
摘要
本文基于动态模态分解（DMD）的应用，呈现了六浮筒浮式海上风力发电机动力学的数据驱动无方程建模。所有分析均基于运行原型采集的实验数据进行。DMD 此处被用于：i) 通过模态分析从动态系统中提取知识，ii) 利用系统状态的近期过去进行短期预测，iii) 进行系统辨识和降阶建模。针对浮式系统受到的运动、加速度和力的预测方法，采用 Hankel-DMD 开发，这是一种方法论扩展，将状态的时滞副本纳入增广状态向量。系统辨识任务通过带控制的 Hankel-DMD（Hankel-DMDc）执行，该方法建模包括强迫项效应在内的系统。利用三个分析预测互补方面的误差指标（归一化均方根误差、归一化平均极小-极大绝对误差和 Jensen-Shannon 散度），采用全因子分析研究了方法的主要超参数（即状态与输入向量中的时滞副本数量和观测时间长度）的影响。通过将超参数视为在全因子分析后定义的合适范围内变化的随机变量，引入了 Hankel-DMD 和 Hankel-DMDc 的贝叶斯扩展，为预测提供了不确定性量化。结果展示了这些方法在短期预测和系统辨识方面的能力，表明其在实时持续学习数字孪生和代理数据驱动降阶建模方面的潜力。
引用
@article{arxiv.2411.07263,
title = {Analysis, forecasting and system identification of a floating offshore wind turbine using dynamic mode decomposition},
author = {Giorgio Palma and Andrea Bardazzi and Alessia Lucarelli and Chiara Pilloton and Andrea Serani and Claudio Lugni and Matteo Diez},
journal= {arXiv preprint arXiv:2411.07263},
year = {2025}
}