期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息

海上风力机响应极值预报研究进展综述 认领 被引量：1

REVIEW OF RESEARCH PROGRESS IN EXTREME VALUE PREDICTION FOROFFSHORE WIND TURBINE RESPONSES
暂未订购 下载PDF
引用 收藏 分享
摘要 综述海上风力机响应极值预报的研究进展,重点介绍基于统计分析和机器学习的极值预报方法。统计方法包括渐进极值法、阈值超越法、平均穿越率法和平均条件超越率法。统计方法通过样本数据建模风力机响应的概率分布模型,进行极值预报。基于...展开更多 This paper reviews recent developments in short-term extreme value prediction for offshore wind turbine responses,with a particular focus on statistical and machine learning methods.Statistical methods,including the Gumbel distribution,Peak Over Threshold(POT),Mean Upcr...MORE This paper reviews recent developments in short-term extreme value prediction for offshore wind turbine responses,with a particular focus on statistical and machine learning methods.Statistical methods,including the Gumbel distribution,Peak Over Threshold(POT),Mean Upcrossing,and Average Conditional Exceedance Rate(ACER)methods,model turbine response probability distributions based on sample data for short-term extreme value estimation.Additionally,machine learning techniques,such as artificial neural networks and Gaussian process regression,improve prediction accuracy by automatically extracting relevant data features and constructing nonlinear models.This review highlights the strengths and limitations of various short-term extreme value prediction methods,discusses their applicable scenarios,and outlines potential future directions for advancing prediction technologies.FEWER
作者 柴威 何林 施伟 陈威 曾佳焱 杨清泉 Chai Wei;He Lin;Shi Wei;Chen Wei;Zeng Jiayan;Yang Qingquan(Key Laboratory of High Performance Ship Technology,Ministry of Education(Wuhan University of Technology),Wuhan 430063,China;School of Naval Architecture,Ocean and Energy Power Engineering,Wuhan University of Technology,Wuhan 430063,China;Faculty of Infrastructure Engineering,Dalian University of Technology,Dalian 116024,China)
机构地区 高性能船舶技术教育部重点实验室（武汉理工大学） 武汉理工大学船海与能源动力工程学院 大连理工大学建设工程学院
出处 《太阳能学报》 EI CAS CSCD 北大核心 2026年第3期308-315,共8页 Acta Energiae Solaris Sinica
基金 国家自然科学基金(52201379 52071058) 中央高校基本科研业务费专项资金(3120624109)。
关键词 海上风力机 响应 极值预报 统计方法 机器学习 代理模型 offshore wind turbines responses extreme value prediction statistical methods machine learning surrogate model
分类号 TM315 [电气工程—电机]
  • 相关文献

参考文献7

二级参考文献46

共引文献308

同被引文献16

引证文献1

太阳能学报
2026年 第3期
科创助手
论文智评
维普砚承
维普斟知

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
在线咨询 使用帮助 返回顶部 意见反馈