文献

J-GLOBAL ID：201602271480319291   整理番号：16A0507653

太陽熱エネルギーシステムの性能予測のための適応ニューロファジー推論システム

Adaptive Neuro-Fuzzy Inference System modelling for performance prediction of solar thermal energy system

著者 (2件)： Yaieci Wahiba (Renewable Energy, Heat and Power Laboratory, Canmet ENERGY Research Centre, Natural Resources Canada, 1 Haanel Drive, Ottawa, Ontario, K1A 1M1 Canada) ,  Entchev Evgueniy (Renewable Energy, Heat and Power Laboratory, Canmet ENERGY Research Centre, Natural Resources Canada, 1 Haanel Drive, Ottawa, Ontario, K1A 1M1 Canada)
資料名： Renewable Energy  (Renewable Energy)
巻： 86  ページ： 302-315  発行年： 2016年02月 
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： 本研究は,太陽熱エネルギーシステムの性能パラメータの予測に対する,適応ニューロファジー推論システム(ANFIS)アプローチの応用可能性を詳細に研究した。異なるカナダの四季及び気象条件中における幅広い動作条件下において,システム上で実験を行った。実験データをANFISネットワークモデルの開発に使用した。次に,後者を最適化し,各種システムの性能パラメータの予測に応用した。予測値は,層別温度及びソラーフラクションに対して,それぞれ,%及び9%以下の平均相対誤差をもつ実験値と良く一致することが分かった。結果は,ANFISアプローチが,エネルギーシステムの性能予測に高い精度及び信頼性を与えることを示した。さらに,ANFIS予測結果を,Yaici及びEntchevのANN予測[Appl Therm Eng 2014;1346-57]に対して比較した。結果は,ANFISモデルがANNより僅かに良く働くことを示した。しかしながら,ANN法は,モデル実行及び計算速度能力により,より融通性を与えた。最後に,本研究は,ANFISが,ANNと同等なもう一つの強力で信頼性の高い方法であることを実証した。それらは,複雑な再生可能エネルギーシステムの性能の予測に関して確信を持って使用できる。Copyright 2016 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *太陽エネルギー ,  エネルギーシステム ,  *予測 ,  ファジィニューラルネットワーク ,  *人工知能システム ,  精度 ,  信頼性 ,  *太陽熱エネルギー ,  *適応ニューロ-ファジィ推論システム
準シソーラス用語： *性能予測 ,  ニューロファジィ ,  *ANFIS

著者キーワード (6件)： Solar thermal energy system ,  Performance prediction ,  Adaptive Neuro-Fuzzy Inference System ,  Artificial neural networks ,  Modelling ,  Numerical simulation

分類 (1件)： 太陽エネルギー利用機器  (QE05020H)

タイトルに関連する用語 (5件)： 太陽熱エネルギー ,  性能予測 ,  適応 ,  ニューロファジー ,  推論