文献

J-GLOBAL ID：201702256322137756   整理番号：17A1682168

動的統合LSSVRに基づく超短期風力電力予測【JST・京大機械翻訳】

Ultra-short-term Wind Power Prediction Based on Dynamical Ensemble Least Square Support Vector Regression

著者 (5件)： Liu Rongsheng (湖南大学電气与信息工程学院,湖南長沙,410082) ,  Peng Minfang (湖南大学電气与信息工程学院,湖南長沙,410082) ,  Zhang Haiyan (湖南大学電气与信息工程学院,湖南長沙,410082) ,  Wan Xun (国网湖南省電力公司電力科学研究院,湖南長沙,410007) ,  Chen Meie (北京信息科技大学計算机学院,北京,100101)
資料名： Hunan Daxue Xuebao. Ziran Kexue Ban  (Hunan Daxue Xuebao. Ziran Kexue Ban)
巻： 44  号： 4  ページ： 79-86  発行年： 2017年 
JST資料番号： W0616A  ISSN： 1674-2974  CODEN： HDAXE3  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 最小二乗サポートベクトル回帰(LSSVR)による風力発電の時間変化特性をモデル化した。動的統合LSSVRに基づく超短期風力電力予測モデルを提案した。最初に,ウインドファームモニタリングとデータ収集(Supervisory Control And Data Acquisition,SCADA)と数値天気予報(Numerical Weather Prediction,NWP)システムの歴史データを利用して,オフライン単体LSSVRモデルライブラリを構築した。次に,予測期間と訓練期間におけるNWPシーケンスの類似性に従って,候補の統合したメンバーを動的に選択し,次に,正確さと多様性を考慮して,統合メンバーを決定した。最後に,予測期間と訓練期間のNWPシーケンスの間の類似性によって,LSSVRメンバの重みを統合した。湖南省におけるウインドファームの出力電力を予測することによって,動的統合LSSVR予測モデルの有効性を検証し,連続法,自己回帰式,移動平均法,単体LSSVRモデル,重みづけLSSVRモデルおよびBPNN動的統合モデルと比較した。動的統合LSSVRモデルには,より高い精度があり,そして,それは,非定常変化の段階においてより明白である。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： モデリング ,  類似性 ,  数値予報 ,  重みづけ ,  移動平均法 ,  *電力 ,  最小二乗法 ,  *風力 ,  風力発電 ,  *予測 ,  経時変化 ,  モデル ,  予測モデル ,  ウインドファーム
準シソーラス用語： サポートベクトル回帰 , 【Automatic Indexing@JST】

著者キーワード (5件)： ultra-short-term wind power prediction ,  least square support vector regression ,  dynamical Ensemble ,  dynamical time warp ,  numerical weather prediction

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 統合 ,  短期 ,  風力 ,  予測