基于链式高斯过程的海上风力机载荷概率代理建模
应用统计
2022-06-15 v1
摘要
基于链式高斯过程概念的异方差高斯过程回归被用于构建代理模型，以预测海上风力机在特定场址的载荷。来流湍流与不规则波中的随机性导致载荷响应最好表示为随机变量而非确定值。此外，这些随机源对载荷的影响强烈依赖于平均环境条件——例如，在低平均风速下，来流湍流产生的载荷变异性远小于高风速时。在统计学上，这被称为异方差性。确定性与大多数随机代理模型未考虑异方差噪声，从而给出不完整且可能误导性的结构响应描述。本文利用统计推断的最新进展，在含噪数据库上训练异方差代理模型，以预测响应的条件概率密度函数。该模型通过受气动与水动力载荷作用的 IEA-10MW-RWT 的 10 分钟载荷统计数据进行驱动，并使用 OpenFAST 模拟。其性能与标准高斯过程回归进行对比。两模型预测均值相近，但异方差代理模型对响应的宏观方差近似显著更优。
引用
@article{arxiv.2204.02258,
title = {Probabilistic surrogate modeling of offshore wind-turbine loads with chained Gaussian processes},
author = {Deepali Singh and Richard P. Dwight and Kasper Laugesen and Laurent Beaudet and Axelle Viré},
journal= {arXiv preprint arXiv:2204.02258},
year = {2022}
}
备注
10 pages. To be published in the IOP Journal of Physics: Conference Series. To be presented at TORQUE 2022