机译:建议使用三种机器学习技术对五个MCP模型进行性能评估,以评估目标站点的长期风力涡轮机功率输出
Univ Las Palmas Gran Canaria, Dept Mech Engn, Campus Tafira S-N, Las Palmas Gran Canaria 35017, Canary Islands, Spain;
Univ Las Palmas Gran Canaria, Dept Mech Engn, Campus Tafira S-N, Las Palmas Gran Canaria 35017, Canary Islands, Spain;
Univ Vigo, Dept Stat, Vigo 36200, Spain;
Support vector machine; Artificial neural network; Random forest; Wind turbine power curve; Wind turbine power output; Air density;
机译:ANN和线性MCP算法在长期估算候选站点的风力发电机每千瓦时成本方面的比较:以加那利群岛为例
机译:使用贝叶斯网络分类器进行潜在风能转换站点的长期平均风力涡轮机能量输出估算
机译:使用人工神经网络预测风速以根据站点气候数据估算风力发电机的功率输出
机译:大气条件对风轮机功率性能的影响及拟议的校正技术综述
机译:预测风力涡轮机故障和相关成本:调查故障原因,影响和严重性,建模可靠性并使用可靠性方法和机器学习技术预测风力涡轮机的故障时间,维修时间和故障成本
机译:使用多流管模型和遗传算法优化机翼以提高垂直轴风力发电机的动力性能
机译:在潜在的风能转换站点上使用贝叶斯网络分类器进行长期平均风力涡轮机能量输出估计