文献

J-GLOBAL ID：201702254540629975   整理番号：17A1395268

経験的モード分解に基づくGA SYRを用いた短期風力発電予測【Powered by NICT】

Short-term wind power prediction by using empirical mode decomposition based GA-SYR

著者 (6件)： Xie Hua (School of Automation, China University of Geosciences, Wuhan 430074, China) ,  Ding Min (School of Automation, China University of Geosciences, Wuhan 430074, China) ,  Chen Luefeng (School of Automation, China University of Geosciences, Wuhan 430074, China) ,  An Jianqi (School of Automation, China University of Geosciences, Wuhan 430074, China) ,  Chen Zhangbing (School of Automation, China University of Geosciences, Wuhan 430074, China) ,  Wu Min (School of Automation, China University of Geosciences, Wuhan 430074, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CCC  ページ： 9175-9180  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： 正確な短期風力発電予測は取引と風力発電の事業者の送電レベルを改善することができる。短期風力発電を予測するために,サポートベクトル回帰(SVR)の数値気象予測(NWP)と遺伝的アルゴリズム(GA)最適化の経験的モード分解(EMD)を検討した。最初に,NWPから風速データは,EMD成分,多重固有モード関数(IMFs)および1つの残基に分解した。,遺伝的アルゴリズムサポートベクトル回帰モデル(GA SVR)は全ての成分のモデルを構築した。最後に,全ての成分の予測結果を統合し,風力発電の予測値を得るための風力発電曲線の入力。提案した方法を検証するために,実世界データセットはモデルのトレーニングと検証に使用され,その結果は,提案した方法がSVRと逆伝搬神経回路網(BPNN)より正確で有効であることを示す。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： *予測 ,  天気予報 ,  多重化 ,  神経回路網 ,  遺伝的アルゴリズム ,  送電 ,  最適化 ,  *風力発電 ,  風速
準シソーラス用語： 予測値 ,  残基 ,  固有モード関数 ,  サポートベクトル回帰 ,  事業者 ,  *経験的モード分解 , 【Automatic Indexing@JST】

分類 (1件)： 風力発電  (NB03120Q)

タイトルに関連する用語 (5件)： 経験的モード分解 ,  Ga ,  短期 ,  風力発電 ,  予測