文献

J-GLOBAL ID：201502204557684195   整理番号：15A1209985

太陽光発電のための機械学習ベースの適応型超短期予報モデル【Powered by NICT】

Machine Learning-Based Adaptive Very-Short-Term Forecast Model for Photovoltaic Power

著者 (4件)： Gao Yang (School of Network Education, Beijing Univ. of Post & Telecommunications, Beijing) ,  Zhang Biling (School of Network Education, Beijing Univ. of Post & Telecommunications, Beijing) ,  Mao Jingli (School of Network Education, Beijing Univ. of Post & Telecommunications, Beijing) ,  Liu Yong (School of Network Education, Beijing Univ. of Post & Telecommunications, Beijing)
資料名： Dianwang Jishu  (Dianwang Jishu)
巻： 39  号： 2  ページ： 307-311  発行年： 2015年 
JST資料番号： C2514A  ISSN： 1000-3673  CODEN： DIJIES  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： 太陽放射と雲被覆情報の予測性能は,中国では非常に貧弱になる理由から,気象データを導入することによる光起電力(PV)発電のための直接予測の精度向上は限られている。予測精度をさらに改善するために,PV電力のための自己適応非常に短期間の予測モデルは,歴史的PV出力データの特徴マイニングに基づいて提案した。,サポートベクトルマシン(SVM)分類器のパラメータは,ウェーブレット解析と歴史的PV出力データの特性を用いて計算した。,確立されたSVM分類器に基づく連続15分の出力曲線型は,以前の30分の歴史的PV出力データによって決定した。出力曲線の型に応じて自己回帰と移動平均モデル(A RMA)と人工神経回路網モデル(ANN)の間の選択した,適切な予測法は最終的に電力予測で得られた。実データに基づく実験は,A RMA,ANNと提案した自己適応予測モデルの性能を比較するために行われた。実験結果は,適応予測は二乗平均平方根誤差(RMSE),平均絶対百分率誤差(MAPE)とTheil不等式係数(TIC)の点で最良の性能を持つことを示した。Data from the ScienceChina, LCAS. Translated by JST【Powered by NICT】

シソーラス用語： 太陽放射 ,  *太陽光発電 ,  ニューラルネットワーク ,  電力 ,  *発電 ,  *予測モデル ,  予測技法
準シソーラス用語： rms誤差 ,  自己回帰 ,  SVM分類 ,  ウェーブレット解析 ,  自己適応 ,  予測精度 ,  高精度化 ,  予測性能 , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (4件)： 太陽光発電 ,  機械学習 ,  短期予報 ,  モデル