文献

J-GLOBAL ID：201702290911318532   整理番号：17A0450588

短期風速および電力予測のための改善されたニューラルネットワークに基づくアプローチ【Powered by NICT】

An improved neural network-based approach for short-term wind speed and power forecast

著者 (4件)： Chang G.W. (Department of Electrical Engineering, National Chung Cheng University, Chia-Yi 62102, Taiwan) ,  Lu H.J. (Department of Electrical Engineering, National Chung Cheng University, Chia-Yi 62102, Taiwan) ,  Chang Y.R. (Institute of Nuclear Energy Research, Tao-Yuan 32546, Taiwan) ,  Lee Y.D. (Institute of Nuclear Energy Research, Tao-Yuan 32546, Taiwan)
資料名： Renewable Energy  (Renewable Energy)
巻： 105  ページ： 301-311  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： 風速と風力発電の正確な予測は,風力発電所の効果的な操作のための重要である。本論文では,風力発電所の短期風速および風力発電を予測するための誤差フィードバック方式(IRBFNN EF)を用いた改良型動径基底関数ニューラルネットワークに基づくモデルを提示し,付加的形状因子は隠れ層の各ニューロンに関連した古典的Gauss型基底関数に含まれているとニューラルネットワーク訓練を行う場合,基底関数の二つの重要なパラメータの初期値を効率的に見出すための提案した簡単なパラメータ初期化法である。台湾電力系統に接続された中央台湾地域付近のウィンドファームは,測定ターゲットとして機能する。提案したニューラルネットワークを訓練するための10分分解能(即ち6×24入力時間ステップ)で入力データの24時間の条件で,先読み時間72時間まで(すなわち6×72予測出力時間ステップ)を行った。2014以上の異なる月のテストケースを報告した。提案されたモデルによって得られた結果は,他の四つの人工ニューラルネットワークベース予測法で得られた結果と比較した。提案したモデルは,予測風速と風力発電のより良い精度をもたらす一方,計算効率が維持されることを示した。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： フィードバック ,  *ニューラルネットワーク ,  予測技法 ,  台湾 ,  正規分布 ,  風力発電 ,  *風速 ,  基底関数 ,  風力発電所 ,  ウインドファーム ,  *電力
準シソーラス用語： 計算効率 ,  時間ステップ ,  隠れ層 ,  動径基底関数ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 風速 ,  風力発電 ,  予測 ,  動径基底関数ニューラルネットワーク

分類 (1件)： 風力発電  (NB03120Q)

タイトルに関連する用語 (4件)： 短期 ,  風速 ,  予測 ,  ニューラルネットワーク