文献

J-GLOBAL ID：201802227942665792   整理番号：18A2075207

局所テレメトリーを用いない太陽放射照度の短期予報:衛星データを用いた一般化モデル【JST・京大機械翻訳】

Short-term forecasting of solar irradiance without local telemetry: A generalized model using satellite data

著者 (5件)： Lago Jesus (Delft Center for Systems and Control, Delft University of Technology, Mekelweg 2, Delft, The Netherlands) ,  Lago Jesus (Algorithms, Modeling, and Optimization, VITO, Energyville, ThorPark, Genk, Belgium) ,  De Brabandere Karel (3E, Brussels, Belgium) ,  De Ridder Fjo (Algorithms, Modeling, and Optimization, VITO, Energyville, ThorPark, Genk, Belgium) ,  De Schutter Bart (Delft Center for Systems and Control, Delft University of Technology, Mekelweg 2, Delft, The Netherlands)
資料名： Solar Energy  (Solar Energy)
巻： 173  ページ： 566-577  発行年： 2018年 
JST資料番号： E0099A  ISSN： 0038-092X  CODEN： SRENA  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： 太陽光発電の電気グリッドへの統合の増加により,短期太陽放射照度の予測は多くの応用,例えば運用計画,電力購入,保存活性化などにとって重要になっている。太陽光発電機は地理的に分散し,地上測定は必ずしも得ることが容易ではないので,局所データを必要とせずに太陽放射照度を予測できる一般的モデルを持つことは非常に重要である。本論文では,地上測定を必要とせずに,任意の一般的な場所における太陽放射照度の短期予測を行うことができるモデルを提案した。そのために,モデルは衛星ベースの測定と気象ベースの予測を考慮し,位置を横切って一般化できる深いニューラルネットワーク構造を採用する。特に,地上データが利用可能なサイトの小部分集合のみを用いてネットワークを訓練し,モデルは地上データが存在しない非常に多数の位置に一般化することができる。事例研究として,オランダにおける25の位置を考慮し,提案したモデルを地上測定を用いて各位置に対して個別に訓練された4つの局所モデルに対して比較した。モデルの一般的性質にもかかわらず,提案したモデルは局所モデルよりも等しいか良いことを示した。すなわち,すべての位置と予測層にわたる平均性能を比較すると,提案したモデルは31.31%rRMSE(相対的二乗平均誤差)を得た。一方,最良の局所モデルは32.01%rRMSEを達成した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 購買 ,  地理学 ,  太陽光発電 ,  気象 ,  ニューラルネットワーク ,  電力 ,  予測 ,  ネットワーク ,  オランダ王国 ,  *遠隔測定 ,  短期予測 ,  事例研究
準シソーラス用語： *衛星データ ,  *短期予報 ,  *太陽放射照度 , 【Automatic Indexing@JST】

著者キーワード (4件)： 太陽放射照度予測 ,  一般化モデル ,  深層学習 ,  衛星データ

分類 (3件)： 太陽光発電  (NB03090G) ,  放射,大気光学  (DC05080C) ,  太陽エネルギー  (LB03030Q)

タイトルに関連する用語 (6件)： テレメトリー ,  太陽放射照度 ,  短期予報 ,  衛星データ ,  一般化 ,  モデル