.png){kind=icon}
返回
A physics-informed collaborative interpretable framework for wind turbine anomaly detection
.png){kind=icon}
OA
AI
DOI：10.1016/j.egyai.2026.100773.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 风力涡轮机能源系统异常检测的可解释人工智能框架。 • 物理信息聚类将监督控制特征从78个减少到11个。 • 协同增强因子Γ=1.2666证实了超加性协同作用。 • 通过Shapley和模型无关解释实现全局到局部的故障归因。 • 跨数据集验证达到AUC 0.9933，效率提升最高达65.2%。
Keyword:
Wind power
Energy efficiency
SCADA systems
Data interpretability
SHAP
Feature engineering
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
9.6
论文数:
890
被引数:
3.1K
机构
引用论文
"Why Should I Trust You?"“我为什么要相信你？”.png)
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
PREAI
分享收藏Anomaly detection and condition monitoring of wind turbine gearbox based on LSTM-FS and transfer learningRENEWABLE ENERGY
RENEWABLE ENERGYIF9.1
PREAI
分享收藏de Lima Munguba, C.F.; Leite, G.d.N.P.; Farias, F.C.; da Costa, A.C.A.; de Castro Vilela, O.; Perruci, V.P.; de Petribú Brennand, L.; de Souza, M.G.G.; Villa, A.A.O.; Droguett, E.L. Ensemble learning framework for fleet-based anomaly detection using wind turbine drivetrain components vibration data. Eng. Appl. Artif. Intell. 2024, 133, 108363. [Google Scholar] [CrossRef]de Lima Munguba, C.F.; Leite, G.d.N.P.; Farias, F.C.; da Costa, A.C.A.; de Castro Vilela, O.; Perruci, V.P.; de Petribú Brennand, L.; de Souza, M.G.G.; Villa, A.A.O.; Droguett, E.L. 基于风机传动部件振动数据的机队级异常检测集成学习框架。Eng. Appl. Artif. Intell. 2024, 133, 108363. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏Mode interpretation of blade number effects on wake dynamics of small-scale horizontal axis wind turbine叶片数对小型水平轴风力机尾流动力学影响的模式解释ENERGY
ENERGYIF9.4
PREAI
分享收藏
Offshore wind competitiveness in mature markets without subsidy没有补贴的成熟市场的海上风电竞争力NATURE ENERGYOAAI
NATURE ENERGYIF60.1
OAAI分享收藏
查看更多内容