2024中國可再生能源大會：基于XAI方法的數(shù)據(jù)挖掘框架獲得風(fēng)機(jī)全新規(guī)律公式

架獲得風(fēng)機(jī)全新規(guī)律公式課題組研究方向：風(fēng)力機(jī)尾流建模風(fēng)電場場級智能控制可解釋人工智能風(fēng)電場數(shù)據(jù)預(yù)測風(fēng)資源評估第一部分研究背景研究背景PaulVeers美國可再生能源實驗室(NREL)首席科學(xué)家歷經(jīng)十幾年的發(fā)展風(fēng)能相關(guān)的先進(jìn)技術(shù)與系統(tǒng)得到長足的進(jìn)步，風(fēng)能已然成為一種主流能源。風(fēng)能科學(xué)面臨三個相互依存、跨學(xué)科的重大挑戰(zhàn)：l第一個挑戰(zhàn)是對風(fēng)電場關(guān)鍵區(qū)域內(nèi)大氣流動過程物理機(jī)制的深入理解；l第二個挑戰(zhàn)是關(guān)于世界上最大的動態(tài)旋轉(zhuǎn)機(jī)械系統(tǒng)的科學(xué)和工程問題；l第三個挑戰(zhàn)是處于電網(wǎng)中的各風(fēng)電機(jī)組協(xié)同工作的優(yōu)化和控制問題。解決這些問題將可以使風(fēng)能提供世界一半的電力供應(yīng)。研究背景模型可解釋性：模型可解釋性：傳達(dá)對它們未來行為的理解”NANJINGUNIVERSITYFSCIENCE&TECHNGY算法類別算法原理/實現(xiàn)功能物理指導(dǎo)的機(jī)器學(xué)習(xí)方法在神經(jīng)網(wǎng)絡(luò)中引入不變量與守恒律結(jié)構(gòu)設(shè)計迫使數(shù)據(jù)降維，最小化參數(shù)維度以獲得最小不相關(guān)表示加入物理約束同時最小化數(shù)據(jù)映射損失和物理約束損失搜索算法在符號回歸的基礎(chǔ)上結(jié)合進(jìn)化算法發(fā)現(xiàn)偏微分形式方程使用遺傳符號回歸算法發(fā)現(xiàn)開放形式的偏微分方程以偏微分作為測度搜索數(shù)據(jù)符合的守恒律數(shù)值上最小化不對稱性違反以發(fā)現(xiàn)隱藏的對稱性網(wǎng)絡(luò)結(jié)構(gòu)表征的機(jī)器學(xué)習(xí)方法通過節(jié)點與邊物理表征物理關(guān)系自動發(fā)現(xiàn)控制方程將激活函數(shù)替換為運算符并通過正則化方式簡化網(wǎng)絡(luò)結(jié)構(gòu)第二部分研究內(nèi)容技術(shù)路線A數(shù)據(jù)降維與分組B數(shù)據(jù)降噪與重建原始數(shù)據(jù)集的分組數(shù)據(jù)C數(shù)據(jù)挖掘方法原始數(shù)據(jù)集的分組數(shù)據(jù)對不同數(shù)據(jù)集得到分段表達(dá)式對不同數(shù)據(jù)集得到分段表達(dá)式優(yōu)化初始化參數(shù)超參數(shù)優(yōu)化初始化參數(shù)超參數(shù)!實踐數(shù)據(jù)、實驗數(shù)據(jù)用于科學(xué)發(fā)現(xiàn)的數(shù)據(jù)A模塊功能潛在規(guī)律統(tǒng)一實踐數(shù)據(jù)、實驗數(shù)據(jù)用于科學(xué)發(fā)現(xiàn)的數(shù)據(jù)A模塊功能潛在規(guī)律統(tǒng)一BC準(zhǔn)確性準(zhǔn)確性簡潔性第三部分?jǐn)?shù)據(jù)驗證仿真數(shù)據(jù)驗證物理模型與仿真模型物理模型與仿真模型T入口溫度Ti、外環(huán)境溫度TS、初始出口溫度Toinit達(dá)到穩(wěn)態(tài)所需時間t、出口溫度To仿真數(shù)據(jù)驗證特征貢獻(xiàn)分析：STSTt噪聲標(biāo)準(zhǔn)差00T5TT有效特征：入口溫度Ti、環(huán)境溫度TS面對無噪音與低噪音數(shù)據(jù)給出了準(zhǔn)確簡明的結(jié)果驗證了該框架的合理性與可行性。風(fēng)機(jī)功率數(shù)據(jù) 風(fēng)機(jī)功率數(shù)據(jù)清洗前后數(shù)據(jù)對比預(yù)測功率相對預(yù)測誤差預(yù)測功率相對預(yù)測誤差數(shù)據(jù)挖掘所得數(shù)學(xué)表達(dá)式：θ=arccos(1.0358-風(fēng)機(jī)功率數(shù)據(jù)泛化性驗證：算法對比驗證：//P=1.26×w2×(v-2)P