文献

J-GLOBAL ID：201602252885813840   整理番号：16A0768009

機械学習による予測太陽放射【Powered by NICT】

Solar radiation forecast with machine learning

著者 (3件)： Shao Xiaoyan (IBM T. J. Watson Research Center, P.O. Box 218, Yorktown Heights, NY 10598, U.S.A.) ,  Lu Siyuan (IBM T. J. Watson Research Center, P.O. Box 218, Yorktown Heights, NY 10598, U.S.A.) ,  Hamann Hendrik F. (IBM T. J. Watson Research Center, P.O. Box 218, Yorktown Heights, NY 10598, U.S.A.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： AM-FPD  ページ： 19-22  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 電力グリッドに太陽/風力発電の寄与は常に増加すると再生可能エネルギー予測がますます重要になっている。予測精度の有意な改善は,統計および/または数値天気予報を用いたより洗練された太陽放射照度予測モデルを開発して実証した。本発表では,太陽電力予測の精度を改善するために,複数気象モデルを統計的にのための機械学習に基づく多重モデル混合アプローチの開発を報告する。システムは衛星画像に基づいた多数の大気と雲予測モデルと数値気象予測(NWP)製品を含む予測のための複数の既存の物理的モデルに利用する。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 予測モデル ,  *太陽放射 ,  衛星利用画像 ,  再生エネルギー ,  電力 ,  天気予報 ,  大気モデル ,  *太陽 ,  数値予報 ,  *機械学習 ,  風力発電
準シソーラス用語： 多重モデル ,  太陽放射照度 ,  予測精度 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 機械学習 ,  予測 ,  太陽放射