文献

J-GLOBAL ID：201702241083387599   整理番号：17A0430533

PVシステムのヒューリスティック診断法: 三層粒子群最適化-逆伝搬ニューラルネットワーク

A Heuristic Diagnostic Method for a PV System: Triple-Layered Particle Swarm Optimization-Back-Propagation Neural Network

著者 (5件)： LIAO Zhenghai (Inst. of Electrical Engineering, Chinese Acad. of Sci., Beijing, CHN) ,  WANG Dazheng (Inst. of Electrical Engineering, Chinese Acad. of Sci., Beijing, CHN) ,  TANG Liangliang (Hohai Univ., Nanjing, CHN) ,  REN Jinli (Inst. of Electrical Engineering, Chinese Acad. of Sci., Beijing, CHN) ,  LIU Zhuming (Inst. of Electrical Engineering, Chinese Acad. of Sci., Beijing, CHN)
資料名： Energies (Web)  (Energies (Web))
巻： 10  号： 2  ページ： WEB ONLY  発行年： 2017年02月 
JST資料番号： U7016A  ISSN： 1996-1073  CODEN： ENERGA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 太陽電池(PV)アレイの故障診断システムの収束性と予測精度を向上させるためのヒューリスティックな三層構造の粒子群最適化逆伝搬(PSO-BP)ニューラルネットワーク法を提案した。故障診断システムの識別パラメータとして,PVアレイの出力曲線からパラメータ,開回路電圧,短絡電流,最大電力,最大電力点における電圧を抽出した。本研究では,広く用いられているバックプロパゲーションニューラルネットワーク法とMATLABを用いたヒューリスティック法の二種類の方法の性能を比較した。訓練段階では,逆伝搬法は収束まで約425ステップを要し,ヒューリスティック法は312ステップしか必要としなかった。故障診断段階では,ヒューリスティック法の予測精度は93.33%で,逆伝搬法の予測精度は86.67%であった。ヒューリスティック法はシミュレーションの収束性を向上させるだけでなく,故障診断システムの予測精度を大幅に向上させると結論した。(翻訳著者抄録)

シソーラス用語： *システム ,  *太陽光発電 ,  最適化 ,  逆伝搬法 ,  ニューラルネットワーク ,  発見的方法 ,  *故障診断 ,  電圧 ,  短絡電流 ,  プログラムパッケージ ,  精度 ,  *予測技法 ,  予測
準シソーラス用語： MATLAB ,  ヒューリスティック法 ,  開回路電圧 ,  *太陽光発電システム ,  予測精度 ,  粒子群最適化

分類 (1件)： 太陽光発電  (NB03090G)

タイトルに関連する用語 (5件)： PVシステム ,  ヒューリスティック ,  診断法 ,  粒子群最適化 ,  逆伝搬ニューラルネットワーク