文献

J-GLOBAL ID：201702263912937507   整理番号：17A1458151

風速予測のためのノンパラメトリックハイブリッドモデル【Powered by NICT】

Non-parametric hybrid models for wind speed forecasting

著者 (4件)： Han Qinkai (The State Key Laboratory of Tribology, Tsinghua University, Beijing 100084, China) ,  Meng Fanman (Department of Mathematics, Capital Normal University, Beijing 100048, China) ,  Hu Tao (Department of Mathematics, Capital Normal University, Beijing 100048, China) ,  Chu Fulei (The State Key Laboratory of Tribology, Tsinghua University, Beijing 100084, China)
資料名： Energy Conversion and Management  (Energy Conversion and Management)
巻： 148  ページ： 554-568  発行年： 2017年 
JST資料番号： A0552A  ISSN： 0196-8904  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： 風力発電統合の安全性を保護するために風速を正確に予測することが重要である。本研究の目的は,確率的風速予測のためのノンパラメトリックハイブリッドモデルを開発することである。ノンパラメトリックモデルを採用することにより,二ハイブリッドモデル,すなわちハイブリッド自己回帰移動average/nonパラメトリックおよびハイブリッド非parametric/autoregressive移動平均モデル,を提案し,それらの性能を比較した。ハイブリッド自己回帰移動average/nonパラメトリックモデルでは,自己回帰移動平均モデルとのフィッティング後に得られた残差をデータの非線形部分を抽出するために非パラメトリックモデルにより研究した。ハイブリッド非parametric/autoregressive移動平均モデルでは,ノンパラメトリックモデルから得られた残差は自己回帰移動平均モデルに適合した。比較のために,逆伝搬,サポートベクトルマシンおよびランダムフォレストモデルと人工神経回路網ハイブリッドモデル化のために導入した。実時間毎風速時系列に様々なテストを実施することにより,単一及び混成両モデルの予測性能を比較し,詳細に評価した。本研究の結果は,非パラメータベースハイブリッドモデルは一般的に他のモデルよりも性能的に優れて,よりロバストな予測性能をもつことを明らかにした。単一自己回帰移動平均モデルは基本的に単一ノンパラメトリックモデルよりも優れている場合,ノンパラメトリック適合からの残差のための自己回帰移動平均モデルの導入が良好な予測精度を得ることができた。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： *モデル ,  サポートベクトルマシン ,  *風速 ,  ロバスト性 ,  ニューラルネットワーク ,  *ノンパラメトリック法 ,  風力発電 ,  回遊 ,  残差
準シソーラス用語： 予測精度 ,  予測性能 ,  自己回帰 ,  パラメトリックモデル ,  *ハイブリッドモデル ,  *風速予測 , 【Automatic Indexing@JST】

著者キーワード (4件)： 風速予測 ,  ハイブリッドアルゴリズム ,  ノンパラメトリックモデリング ,  自己回帰は移動平均

分類 (1件)： 電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (1件)： 風速予測