文献

J-GLOBAL ID：201702276947360855   整理番号：17A1263168

太陽光発電システムの故障検出におけるマルチクラスサポートベクトルマシンを用いた気象予測【Powered by NICT】

Weather prediction with multiclass support vector machines in the fault detection of photovoltaic system

著者 (6件)： Zhang Wenying (College of Science, Harbin Engineering University, Harbin 15001, China) ,  Zhang Huaguang (College of Information, Northeastern University, Shenyang 110819, China) ,  Liu Jinhai (College of Information, Northeastern University, Shenyang 110819, China) ,  Li Kai (College of Information, Northeastern University, Shenyang 110819, China) ,  Yang Dongsheng (College of Information, Northeastern University, Shenyang 110819, China) ,  Tian Hui (College of Information, Northeastern University, Shenyang 110819, China)
資料名： IEEE/CAA Journal of Automatica Sinica  (IEEE/CAA Journal of Automatica Sinica)
巻： 4  号： 3  ページ： 520-525  発行年： 2017年 
JST資料番号： W2424A  ISSN： 2329-9266  資料種別： 逐次刊行物 (A)
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U PV U電力の効率は気象と密接に関連しているので,多くのPV企業はPV発電システムの動作状態を監視するための気象装置を設置した。ソフト測定技術の発展に伴い,機器的方法は時代遅れと考えられる高コストを含んでいる。本論文では,PV発電データと部分的気象データに基づく天気のタイプを予測するための新しい方法を提案した。この方法により,天気型はデータ解析により推定した,気象装置の代わりにした。サポートベクトルマシンU SVM Uを用いて予測値と実際の気象を比較することによって得られる良好な故障検出。天気予報のモデルは,訓練マルチクラス予測因子のための直接SVMにより確立される。SVM分類に適しているが,分類結果は,カーネルのタイプ,カーネルのパラメータ,およびソフトマージン係数,選定は困難であるに依存する。本論文では,これらのパラメータは良好な予測結果の予測における粒子群最適化U PSO(粒子群最適化)Uアルゴリズムが達成できるによって最適化した。予測結果は,この方法が実行可能であり,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： データ解析 ,  *太陽光発電 ,  *発電 ,  最適化 ,  *サポートベクトルマシン ,  *予測 ,  気象データ ,  *故障検出 ,  *気象 ,  アルゴリズム ,  天気 ,  *天気予報
準シソーラス用語： 粒子群最適化 ,  *発電システム ,  *太陽光発電システム , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 太陽光発電システム ,  故障検出 ,  気象予測