Towards transparent and robust data-driven wind turbine power curve models

要約

【タイトル】透明性と堅牢性に優れたデータ駆動型風力タービンパワーカーブモデルへのアプローチ

【要約】
・風力タービンの発電出力を算出するために、パワーカーブモデルが用いられることがある。
・近年、物理ベースの手法に比べ、機械学習に基づくデータ駆動型の手法が優れた性能を示している。
・しかし、これらの手法は、”ブラックボックス”であることが批判されており、風力タービンのような非静止条件下での堅牢性についての懸念がある。
・それゆえ、解釈可能な人工知能（XAI）のフレームワークを導入し、風力タービンの操作用SCADAデータからのデータ駆動型パワーカーブモデルの学習戦略を調査し検証することを提案する。
・ドメイン固有の考慮事項とShapley Values、そして回帰に関するXAIの最新の知見を組み合わせた手法を用い、モデルの堅牢性について検証する。
・結果として、学習された戦略は、検証またはテストセットのエラーよりもモデルの堅牢性のより良い指標になる可能性があることが示される。
・さらに、最新のMLモデルは、物理的に不可能な戦略を学習する傾向があることが観察され、妥当性を確保するための数多くの手法について比較している。
・最後に、環境や技術的な要因によって想定されるタービン出力に対する変動が引き起こされるため、XAIを風力タービンの性能モニタリングに活用することを提案する。
・この研究により、ドメイン専門家がより透明で堅牢なデータ駆動型風力タービンパワーカーブモデルの学習と選択を行うためのガイドとなることを期待する。

要約(オリジナル)

Wind turbine power curve models translate ambient conditions into turbine power output. They are essential for energy yield prediction and turbine performance monitoring. In recent years, data-driven machine learning methods have outperformed parametric, physics-informed approaches. However, they are often criticised for being opaque ‘black boxes’ which raises concerns regarding their robustness in non-stationary environments, such as faced by wind turbines. We, therefore, introduce an explainable artificial intelligence (XAI) framework to investigate and validate strategies learned by data-driven power curve models from operational SCADA data. It combines domain-specific considerations with Shapley Values and the latest findings from XAI for regression. Our results suggest, that learned strategies can be better indicators for model robustness than validation or test set errors. Moreover, we observe that highly complex, state-of-the-art ML models are prone to learn physically implausible strategies. Consequently, we compare several measures to ensure physically reasonable model behaviour. Lastly, we propose the utilization of XAI in the context of wind turbine performance monitoring, by disentangling environmental and technical effects that cause deviations from an expected turbine output. We hope, our work can guide domain experts towards training and selecting more transparent and robust data-driven wind turbine power curve models.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI