文献

J-GLOBAL ID：201702218113435361   整理番号：17A0450613

太陽放射予測のための機械学習法:レビュー【Powered by NICT】

Machine learning methods for solar radiation forecasting: A review

著者 (9件)： Voyant Cyril (University of Corsica/CNRS UMR SPE 6134, Campus Grimaldi, 20250, Corte, France) ,  Voyant Cyril (CHD Castelluccio, Radiophysics Unit, B.P85 20177, Ajaccio, France) ,  Notton Gilles (University of Corsica/CNRS UMR SPE 6134, Campus Grimaldi, 20250, Corte, France) ,  Kalogirou Soteris (Department of Mechanical Engineering and Materials Science and Engineering, Cyprus University of Technology, P.O. Box 50329, Limassol, 3401, Cyprus) ,  Nivet Marie-Laure (University of Corsica/CNRS UMR SPE 6134, Campus Grimaldi, 20250, Corte, France) ,  Paoli Christophe (University of Corsica/CNRS UMR SPE 6134, Campus Grimaldi, 20250, Corte, France) ,  Paoli Christophe (Galatasaray University, Ciragan Cad. No: 36, 34349, Ortakoy, Istanbul, Turkey) ,  Motte Fabrice (University of Corsica/CNRS UMR SPE 6134, Campus Grimaldi, 20250, Corte, France) ,  Fouilloy Alexis (University of Corsica/CNRS UMR SPE 6134, Campus Grimaldi, 20250, Corte, France)
資料名： Renewable Energy  (Renewable Energy)
巻： 105  ページ： 569-582  発行年： 2017年 
JST資料番号： A0124C  ISSN： 0960-1481  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 予測は太陽システムの出力電力は電力系統の良好な操作または太陽システムに発生するエネルギーフラックスの最適管理に必要である。ソーラシステム出力を予測する前に,太陽放射照度の予測に焦点を当てることが重要である。全天日射予測をいくつかの方法によって行うことができる二大カテゴリーは,物理的モデルと組み合わせた雲画像,機械学習モデルである。これに関連して,本論文の目的は,機械学習アプローチを用いた太陽照射の予測方法を概説することである。が,多くの論文は,ニューラルネットワークやサポートベクトル回帰のような方法論を述べ,他の方法(回帰ツリー,ランダムフォレスト,勾配ブースティングと多くの他の)は,予測のこの文脈で使用し始めることを示した。そのような方法の性能ランキングは,データセット,時間ステップ,予測ホライズン,設定と性能指標の多様性のために複雑である。全体として,予測の誤差は全く同等であった。ハイブリッドモデルの使用を提案した何人かの著者予測性能を改善するためにまたはアンサンブル予報アプローチを用いることである。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 予測技法 ,  日射 ,  全天日射 ,  *太陽 ,  等級づけ ,  ソーラシステム ,  *太陽放射 ,  アンサンブル予報 ,  *機械学習
準シソーラス用語： ハイブリッドモデル ,  ブースティング ,  ランダムフォレスト ,  サポートベクトル回帰 ,  太陽照射 ,  太陽放射照度 , 【Automatic Indexing@JST】

著者キーワード (5件)： 日射予測 ,  機械学習 ,  人工ニューラルネットワーク ,  サポートベクトルマシン ,  回帰

分類 (1件)： 太陽光発電  (NB03090G)

タイトルに関連する用語 (4件)： 太陽放射 ,  予測 ,  機械学習 ,  レビュー