文献

J-GLOBAL ID：201702235160809298   整理番号：17A0447100

ハイブリッドモデルを用いた短期風速予測【Powered by NICT】

Short-term wind speed forecasting using a hybrid model

著者 (3件)： Jiang Ping (School of Statistics, Dongbei University of Finance and Economics, Dalian, China) ,  Wang Yun (School of Computer Science and Technology, Tianjin University, Tianjin, China) ,  Wang Jianzhou (School of Statistics, Dongbei University of Finance and Economics, Dalian, China)
資料名： Energy  (Energy)
巻： 119  ページ： 561-577  発行年： 2017年 
JST資料番号： H0631A  ISSN： 0360-5442  CODEN： ENEYDS  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： 風速予測は,風力発電産業における重要な問題である。しかし,既存の風速予測モデルの欠点は,それらが隣接するWTG(風力タービン発電機)の間で同様であった変動情報,貧弱な予測精度をもたらすを無視していることが多いことである。本論文では,この欠点を克服するためにハイブリッド風速予測モデルを提案した。具体的には,隣接すると観察されたWTGから有用な変動情報を選択するために適用した灰色相関解析と,選択された変動情報はv-SVM(サポートベクトルマシン)に供給し,非線形あてはめにおける良好な能力を提供する,観察されたWTGの風速予測を行うことである。一方,最終予測性能に及ぼすモデルパラメータの影響を低減するために,CS(カッコウ探索)はv-SVMのパラメータを調整するために使用した。二つの事例研究の結果は,隣接するWTGの変動情報を考慮した提案したモデルは,他の比較したモデルよりも高い精度を提供することを示した。三精度試験の結果から結論として,v-とε-SVM(サポートベクトルマシン)の性能は有意差を示さず,CSアルゴリズムであるv-SVMのパラメータの調整のためのPSO(粒子群最適化)よりもより効率的であった。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *風速 ,  風力発電 ,  アルゴリズム ,  予測モデル ,  事例研究 ,  サポートベクトルマシン
準シソーラス用語： 粒子群最適化 ,  有意差 ,  モデルパラメータ ,  予測性能 ,  相関分析 ,  予測精度 ,  風力発電機 ,  *風速予測 ,  *ハイブリッドモデル , 【Automatic Indexing@JST】

著者キーワード (5件)： グレイ相関解析 ,  V SVM ,  カッコウ探索アルゴリズム ,  風速予測 ,  精度試験

分類 (2件)： 風力エネルギー  (LB03060X) ,  局地循環,気流  (DC05090N)

タイトルに関連する用語 (3件)： ハイブリッドモデル ,  短期 ,  風速予測