文献

J-GLOBAL ID：201702252010083612   整理番号：17A1650438

機械学習はエッジ計算SkyImagerに対する放射照度を予測するための光線追跡【Powered by NICT】

Machine learning versus ray-tracing to forecast irradiance for an edge-computing SkyImager

著者 (4件)： Richardson Walter (The University of Texas at San Antonio, San Antonio, Texas 78249 USA) ,  Krishnaswami Hariharan (The University of Texas at San Antonio, San Antonio, Texas 78249 USA) ,  Shephard Les (The University of Texas at San Antonio, San Antonio, Texas 78249 USA) ,  Vega Rolando (CPS Energy, 7000 San Pedro Ave, San Antonio, Texas 78216 USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISAP  ページ： 1-6  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： 太陽光発電(PV)の浸透の増加で,電力系統への正確な時間内太陽放射照度予測を必要とする。筆者らは先に,San Antonioのテキサス大学での低コスト全天撮像システムを開発した。SkyImagerハードウェアは完全にプログラム可能な,高分解能Piカメラ,全天候型容器に収容とRaspberry Piシングルボード計算機(SBC)に関連して設計される。画像を処理し,分先行予測をするソフトウェアはPython2.7で書かれており,オープンソースコンピュータビジョンパッケージを利用するOpenCV。予測のための2段手法が雲影の位置を予測するために低レベル積雲と光線追跡を追跡するためのオプティカルフローを用いた。は伝統的に太陽周辺領域の部分画像における雲を分類するための新しい多層パーセプトロン(MLP)を利用した機械学習戦略を用いた悪設定逆問題であることが知られている光線追跡法を代替することを提案した。開発したSkyImagerは2015年に国立再生可能エネルギー研究所(NREL)で配備した,全天画像データの月を成功裡に捕集した。2016年第二SkyImagerは関節塩基San Antonioでマイクログリッド管理システムに統合した。結果は,提案した方法論を検証するために提示した。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： 多層パーセプトロン ,  *機械学習 ,  カメラ ,  逆問題 ,  画像 ,  *光線追跡 ,  オプティカルフロー ,  ソフトウェア ,  太陽光発電 ,  *放射照度 ,  太陽 ,  *予測 ,  高分解能
準シソーラス用語： レイトレーシング ,  太陽放射照度 , 【Automatic Indexing@JST】

分類 (1件)： 太陽光発電  (NB03090G)

タイトルに関連する用語 (6件)： 機械学習 ,  エッジ ,  計算 ,  放射照度 ,  予測 ,  光線追跡