Learning to Optimise Wind Farms with Graph Transformers

要約

この研究では、任意のレイアウト、ヨー角構成、風の状態の風力発電所内のすべての風力タービンの発電量を正確に予測できる、新しいデータ駆動型モデルを提案します。
提案されたモデルは、風力発電所を全結合グラフにエンコードし、グラフ トランスフォーマーを通じてグラフ表現を処理することによって機能します。
グラフ変圧器サロゲートはうまく一般化できることが示されており、風力発電所のグラフ表現内の潜在的な構造パターンを明らかにすることができます。
結果として得られたサロゲート モデルを使用して、遺伝的アルゴリズムを使用してヨー角構成を最適化し、計算コストのほんの一部を費やしながら、業界標準の風力発電シミュレーション ツールと同様のレベルの精度を達成する方法が実証されています。

要約(オリジナル)

This work proposes a novel data-driven model capable of providing accurate predictions for the power generation of all wind turbines in wind farms of arbitrary layout, yaw angle configurations and wind conditions. The proposed model functions by encoding a wind farm into a fully-connected graph and processing the graph representation through a graph transformer. The graph transformer surrogate is shown to generalise well and is able to uncover latent structural patterns within the graph representation of wind farms. It is demonstrated how the resulting surrogate model can be used to optimise yaw angle configurations using genetic algorithms, achieving similar levels of accuracy to industrially-standard wind farm simulation tools while only taking a fraction of the computational cost.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google