文献

J-GLOBAL ID：201702232407982831   整理番号：17A1965814

ランダムフォレストとk-最近傍を適用した風力統合研究のための風力タービンデータセットの完成【Powered by NICT】

Completion of wind turbine data sets for wind integration studies applying random forests and k-nearest neighbors

著者 (3件)： Becker Raik (Department of Bioenergy, Helmholtz Centre for Environmental Research GmbH - UFZ, Permoserstrasse 15, 04318 Leipzig, Germany) ,  Thraen Daniela (Department of Bioenergy, Helmholtz Centre for Environmental Research GmbH - UFZ, Permoserstrasse 15, 04318 Leipzig, Germany) ,  Thraen Daniela (Bioenergy Systems Department, DBFZ Deutsches Biomasseforschungszentrum gGmbH, Torgauer Str. 116, 04347 Leipzig, Germany)
資料名： Applied Energy  (Applied Energy)
巻： 208  ページ： 252-262  発行年： 2017年 
JST資料番号： A0097A  ISSN： 0306-2619  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 再生可能でコスト効率の高い発電技術として風力発電の重要性が世界的に高まっている。既存電力系統,土地利用,等時間に対する風力発電の影響は広く研究されている。遡及的ボトムアップ研究として設計されている場合,このような風力統合研究は,詳細な風力タービンデータに依存しており,地理的位置,ハブ高さ,委員会の日付を含んでいた。これらのデータセット中に存在するギャップの周波数を考えると,失われたデータ点に対処するために開発されてきた基本概念。本稿では,このようなデータセットを完了する能力に関して比較した複数の高度アルゴリズム。一つの焦点は,データセットにおける特異的ギャップに依存して異なる仕上げ技術の影響を分析するための予測因子変数の選択であった。ドイツのデータセットを用いたサンプルアプリケーションをランダムフォレストは,当面の問題に特に適していることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *風力 ,  地理学 ,  周波数 ,  発電 ,  風力発電 ,  電力系統 ,  *風車 ,  アルゴリズム ,  土地利用 ,  ドイツ連邦共和国
準シソーラス用語： 予測因子 ,  ボトムアップ ,  コスト効率 ,  *ランダムフォレスト , 【Automatic Indexing@JST】

著者キーワード (5件)： 風力エネルギー ,  風力タービンデータ ,  機械学習 ,  ランダムフォレスト ,  風力発電統合

分類 (1件)： 風力発電  (NB03120Q)

タイトルに関連する用語 (6件)： ランダムフォレスト ,  風力 ,  統合 ,  研究 ,  風力タービン ,  データセット