文献

J-GLOBAL ID：201702271010027948   整理番号：17A0302277

風速上昇特性に基づく短期風力発電予測【JST・京大機械翻訳】

Short-term wind power prediction based on the UP-DOWN-features of wind speed

著者 (5件)： Ye Xiaoling (Nanjing University of Information Science & Technology, Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters) ,  Chen Hao (Nanjing University of Information Science & Technology) ,  Guo Xiaojie (Nanjing University of Information Science & Technology) ,  Deng Hua (Nanjing University of Information Science & Technology, Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters) ,  Wang Yachen (Nanjing University of Information Science & Technology)
資料名： Dianlixitong Baohu Yu Kongzhi  (Dianlixitong Baohu Yu Kongzhi)
巻： 44  号： 19  ページ： 56-62  発行年： 2016年 
JST資料番号： C2675A  ISSN： 1674-3415  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 短期風力発電の予測精度を改善するために,風速変動特性に基づく短期風力予測法を提案した。風速の上昇と下降が風力発電に与える影響を分析し、風速の昇降特徴によって、風速の標識値を追加し、訓練サンプルの次元を増加させ、それによって電力予測の精度を向上させる。上海のあるウインドファームの2014年9月から2015年9月までのデータを用いて,このアルゴリズムを検証し,最小二乗サポートベクトルマシン(LSSVM),限界学習機械(ELM),および遺伝的BPニューラルネットワーク(GA-BP)の予測結果を比較した。実験結果により,風力タービンの風力予測における風速変動特性の導入は,モデルの予測精度を明らかに改善し,そして,風力発電所の短期電力予測に適合した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  アルゴリズム ,  電力 ,  風車 ,  *風速 ,  学習機械 ,  *風力 ,  風力発電所 ,  ウインドファーム ,  *風力発電
準シソーラス用語： 逆伝播ニューラルネットワーク ,  最小二乗-サポートベクトルマシン ,  上海市 ,  風速変動 ,  予測精度 , 【Automatic Indexing@JST】

著者キーワード (5件)： short-term wind power prediction ,  UP-DOWN-features ,  LSSVM ,  ELM ,  GA-BP

分類 (1件)： 風力発電  (NB03120Q)

タイトルに関連する用語 (4件)： 風速 ,  短期 ,  風力発電 ,  予測