文献

J-GLOBAL ID：201702213730164820   整理番号：17A0955799

DTWベースのクラスタ分析を使用した太陽放射照度のSVMベースのマルチポイント予測システム

SVM-based Multi-point Prediction System of Solar Irradiance using DTW-based Cluster Analysis

著者 (4件)： TANAKA Yukiya (Keio Univ., Kanagawa, JPN) ,  TAKAHASHI Masaki (Keio Univ., Kanagawa, JPN) ,  TANAKA Yukiya (JST-CREST, Saitama, JPN) ,  TAKAHASHI Masaki (JST-CREST, Saitama, JPN)
資料名： システム制御情報学会論文誌  (Transactions of the Institute of Systems, Control and Information Engineers)
巻： 30  号： 8  ページ： 305-313  発行年： 2017年08月 
JST資料番号： L0070A  ISSN： 1342-5668  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 太陽放射照度の予測不可能な短期振動は,電力システムには負の効果があるが,それ故,太陽放射照度の予測が必要である。大容量太陽光発電が将来広域に導入される事を考慮して,本論文では,太陽放射照度のマルチポイント予測に注目した。サポートベクトルマシン(SVMs)は太陽放射照度の予測には良好な性能を発揮するが,比較的高い計算複雑性を含んでいる。加えるに,SVMsでは,予測モデルが季節に適用する為に定期的に更新する必要があるために,マルチポイントで繰返し計算をしなければならない。ここでは,計算量をかなり削減したマルチポイント予測システムを導入する。全グリッドポイントで予測モデルを構築する代わりに,本システムでは,動的タイムワーピングアルゴリズムの計算による時系列データの類似性を基本にしたクラスタを構築し,各クラスタを表現する少数のモデルを構築する。さらに,これは予測精度を調べることによりクラスタ数を自動的に調整する。シミュレーション結果から,システムは高予測精度を維持している間,かなりの計算量を削減する事を明らかにした。(翻訳著者抄録)

シソーラス用語： *シミュレーション ,  *動的系 ,  *クラスタ分析 ,  *放射照度 ,  *サポートベクトルマシン ,  *計測 ,  *システム ,  太陽光発電 ,  計算量 ,  予測モデル ,  データ ,  類似性 ,  クラスタ ,  精度
準シソーラス用語： Time Warp ,  *太陽放射照度 ,  *マルチポイント測定 ,  *予測システム ,  時系列データ ,  予測精度

分類 (1件)： 太陽光発電  (NB03090G)

引用文献 (26件)：

• [1] Y. Tanaka and M. Takahashi: Dynamic time warping-based cluster analysis and support vector machine-based prediction of solar irradiance at multipoints in a wide area; Proceedings of the 47th ISCIE International Symposium on Stochastic Systems Theory and Its Applications, pp. 210-215 (2016)
• [2] J. Zeng and W. Qiao: Short-term solar power prediction using a support vector machine; Renewable Energy, Vol. 52, pp. 118-127 (2013)
• [3] J. Shi, W. Lee, Y. Liu, Y. Yang and P. Wang: Forecasting power output of photovoltaic systems based on weather classification and support vector machines; IEEE Transactions on Industry Applications, Vol. 48, No. 3, pp. 1064-1069 (2012)
• [4] J. G. S. Fonseca Jr., T. Oozeki, T. Takashima, G. Koshimizu, Y. Uchida and K. Ogimoto: Use of support vector regression and numerically predicted cloudiness to forecast power output of a photovoltaic power plant in Kitakyushu, Japan; Progress in Photovoltaics: Research and Applications, Vol. 20, pp.874-882 (2012)
• [5] Z. Dong, D. Yang, T. Reindl and W. M. Walsh: A novel hybrid approach based on self-organizing maps, support vector regression and particle swarm optimization to forecast solar irradiance; Energy, Vol. 82, pp.570-577 (2015)

タイトルに関連する用語 (5件)： クラスタ分析 ,  太陽放射照度 ,  SVM ,  マルチポイント ,  予測システム