文献

J-GLOBAL ID：201702256401228418   整理番号：17A0023039

固有時間スケール分解とLS-SVMに基づく短期風力発電予測【Powered by NICT】

Short-term wind power prediction based on intrinsic time-scale decomposition and LS-SVM

著者 (4件)： Zhang L. L. (School of Electric Power Engineering, South China University of Technology, Guangzhou 510641, Guangdong, China) ,  Li M. S. (School of Electric Power Engineering, South China University of Technology, Guangzhou 510641, Guangdong, China) ,  Ji T. Y. (School of Electric Power Engineering, South China University of Technology, Guangzhou 510641, Guangdong, China) ,  Wu Q. H. (School of Electric Power Engineering, South China University of Technology, Guangzhou 510641, Guangdong, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ISGT-Asia  ページ： 41-45  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： 本論文では,固有時間スケール分解(ITD)と最小二乗サポートベクトルマシン(LS SVM)に基づく風力発電予測法は,風力発電予測の精度を改善するために提案した。提案した方法は,風力発電データを分解する適切な回転成分と単調なベースライン信号のセットへの前処理法としてITDを採用している。その後,各成分の後退差分は,練習用セットと予測のためのLS-SVMモデルの入力として使用した。シミュレーション研究は,提案した方法の性能を評価するために風力発電データについて実行した,そして,結果は,ITDを導入することにより,提案した方法が元のLS-SVM法より優れていることを示した。Copyright 2017 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： 予測技法 ,  基準線 ,  シミュレーション ,  *風力発電 ,  前処理
準シソーラス用語： 最小二乗-サポートベクトルマシン , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  音響信号処理  (BB03050C)

タイトルに関連する用語 (6件)： スケール ,  分解 ,  LS-SVM ,  短期 ,  風力発電 ,  予測