基于概率多层感知器的风电场条件监测
机器学习
2025-11-10 v2 应用统计
摘要
我们提供了一个基于使用迁移学习通过微调的概率多层感知器的风电场条件监测系统。该模型基于从监控控制与数据采集 (SCADA) 系统中检索的特征，预测风力发电机在正常行为下的输出功率。其优势在于：(i)可使用至少几年的SCADA数据进行训练；(ii)可将整个风电场的所有SCADA数据作为特征输入；(iii)假设输出功率服从具有异方差的正态分布；(iv)可通过借助风电场中其他所有风力发电机的数据来预测单个风力发电机的输出。通过累积和控制图 (CUSUM) 提供条件监测的概率指南，其特别设计基于真实数据分类练习，因而适应风电场的需求。我们在真实SCADA数据实例中展示了该模型的性能，证明其优于其他概率预测模型。
引用
@article{arxiv.2404.16496,
title = {Probabilistic Multi-Layer Perceptrons for Wind Farm Condition Monitoring},
author = {Filippo Fiocchi and Domna Ladopoulou and Petros Dellaportas},
journal= {arXiv preprint arXiv:2404.16496},
year = {2025}
}
备注
10 pages, 9 figures, 3 tables