开放存取
问题 |
E3S网页汇编
卷积3872023
可再生能源技术智能工程国际会议 |
|
---|---|---|
文章号 | 04011 | |
页数 | 10 | |
段内 | 可持续发展 | |
多尔市 | https://doi.org/10.1051/e3sconf/202338704011 | |
在线发布 | 2023年5月15日 |
必威主页
38704011(2023)
风波性能预测机器学习技巧比较研究
一号Sri Sankara文科学院,印度康奇浦南省Enathur
2新太子Shri Bhavani工程技术学院获AICTE批准,向印度Anna大学解密
3助理教授Prince博士K.Vasudevan工程技术学院Chennai-127
4Chennai工程学院Shri Venkateshra助理教授-127
*Correspondingauthor:sivakumar.c@vidyanikethan.edu
抽象描述对风轮机性能预测各种机器学习技术的比较研究本研究使用数据集取自国家可再生能源实验室,并包含气象数据和风轮机输出电量研究中考虑的机器学习技巧包括人工神经网络、决策树和随机森林结果表明RMSE和MAE方面RFS优于ANN和DT,而ANNS则优于DT和RQ整体而言,这项研究显示机器学习技术对风轮机性能预测的有效性,并深入了解某些机器学习方法的优缺点研究结果可用以指导风力农场管理者选择适当的机器学习技术来预测风力涡轮机性能
关键字 :风轮机/性能预测/人工神经网络/支持向量机/随机森林
必威西汉姆赞助2023年EDP科学出版
开存文章分发创用CC授权4.0允许在任何介质上不受限制使用、分发和复制,只要原创作品正确引用
当前用法度量显示文章视图累积计数(全文文章视图包括HTML视图、PDF和ePub下载,根据可用数据)和Vision4Press平台摘要视图
数据对应2015年后板状使用当前使用量度自在线发布后48-96小时提供并按周日每日更新
初始下载度量器可能花点时间