文献

J-GLOBAL ID：201702233138465855   整理番号：17A1776541

タイにおける太陽放射照度予測のための失われたデータの補完【Powered by NICT】

Missing-data imputation for solar irradiance forecasting in Thailand

著者 (3件)： Layanun Vichaya (Department of Electrical Engineering, Faculty of Engineering, Chulalongkorn University, Bangkok, Thailand) ,  Suksamosorn Supachai (Department of Electrical Engineering, Faculty of Engineering, Chulalongkorn University, Bangkok, Thailand) ,  Songsiri Jitkomut (Department of Electrical Engineering, Faculty of Engineering, Chulalongkorn University, Bangkok, Thailand)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SICE  ページ： 1234-1239  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,エネルギー管理のための太陽電力予測への応用を発見する季節的自己回帰統合移動平均モデル(SARIMA)を用いた太陽放射照度予測を考慮した。時系列予測は歴史的データの完全なセットを必要とするタイにおける全体的水平照度(GHI)データは,連続日のための頻繁に失われた。本論文では,同一気象型に対応するデータで平均GHIの平均値を用いたデータ欠損補完手法を提案する。必要な気象分類は二段階:温度と湿度時系列の単調特性の変化の検出に基づく季節セグメンテーション,以前の季節セグメンテーションから気象ラベルを用いた非線形サポートベクトルマシン(SVM)から構成されている。タイ,バンコクのGHIデータ上での実験結果は,提案した方法は減少し補完誤差を提供する有意に他の補完技術に比べて,より良い太陽予測性能に導くことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *照度 ,  エネルギー管理 ,  湿度 ,  サポートベクトルマシン ,  気象 ,  *太陽 ,  セグメンテーション ,  電力 ,  *予測
準シソーラス用語： 予測性能 ,  バンコク ,  時系列予測 ,  自己回帰 ,  *太陽放射照度 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： タイ ,  太陽放射照度 ,  予測 ,  補完