کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
7917960 | 1511098 | 2017 | 8 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Training requirements of a neural network used for fatigue load estimation of offshore wind turbines
ترجمه فارسی عنوان
الزامات آموزش شبکه عصبی مورد استفاده برای برآورد بار خستگی توربین های بادی دریایی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
مانیتورینگ بار، زندگی خستگی شبکه عصبی، توربین بادی دریایی، کمپین اندازه گیری
ترجمه چکیده
برای ارزیابی بارهای خستگی توربین های بادی از طریق شبکه های عصبی، برای آموزش نیاز به اندازه گیری هزینه های پر هزینه است. بنابراین، هدف ما ارزیابی حداقل اندازه مورد نیاز نمونه آموزش بود. ما بر پیش بینی لحظات خم شدن ریشه فلنج با یک شبکه عصبی از هشت ورودی تمرکز کردیم. در کنار تست آماری حجم نمونه آموزشی، نمایندگی آنها در مقایسه با یک سال و همچنین اثرات فصلی مورد بررسی قرار گرفت. نتایج ما نشان داد که نمونه های آموزشی در حدود 2016 رکورد آمار 10 دقیقه ای نماینده هستند و امکان پیش بینی قابل اعتماد مستقل از اثرات فصلی دارند.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی انرژی
انرژی (عمومی)
چکیده انگلیسی
To estimate fatigue loads of wind turbines via neural networks, costly load measurements are needed for training. Thus, our aim was to assess the minimum needed size of the training sample. We focused on the prediction of flapwise blade root bending moments with a neural network of eight inputs. Next to statistical testing of the training sample size, their representativeness compared to a one-year measurement as well as seasonal effects were investigated. Our results showed that training samples of about 2016 records of 10-minute statistics are representative and enable a reliable prediction independent from seasonal effects.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy Procedia - Volume 137, October 2017, Pages 315-322
Journal: Energy Procedia - Volume 137, October 2017, Pages 315-322
نویسندگان
J. Seifert, L. Vera-Tudela, M. Kühn,