文献

J-GLOBAL ID：201802237899812141   整理番号：18A0164499

限られた情報の下での局所平均分解に基づくPV出力の予測【Powered by NICT】

Prediction of PV output based on local mean decomposition under limited information

著者 (7件)： Zhang Di (College of Electrical and Information Engineering, Hunan University Changsha, China) ,  Li Canbing (College of Electrical and Information Engineering, Hunan University Changsha, China) ,  Luo Diansheng (College of Electrical and Information Engineering, Hunan University Changsha, China) ,  Wang Chong (College of Electrical and Information Engineering, Hunan University Changsha, China) ,  Zeng Long (College of Electrical and Information Engineering, Hunan University Changsha, China) ,  Yan Bowen (College of Electrical and Information Engineering, Hunan University Changsha, China) ,  Wang Pengda (College of Electrical and Information Engineering, Hunan University Changsha, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IECON  ページ： 5945-5950  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： 太陽光(PV)発電は化石エネルギー消費と環境に優しい結果を緩和するその広範な使用の利点。しかし,不正確なPV出力予測は電力系統の安定性と信頼性の問題を引き起こすであろう。PV出力は太陽放射照度に直接影響される。太陽放射照度モニタリング施設無しで基本的な気象情報と歴史的出力のみに依存する,データマイニングによる高精度予測を達成するために短期PV出力予測モデルを開発した。気象型,光時間,および温度のような,発電に及ぼす外部要因の影響を考慮し,解析し,歴史的データの分類は,気象タイプによって達成される。PVは,非線形ランダム時系列と見なすことができる。出力系列は,局所平均分解(LMD)に基づく比較的安定な生成物関数(PF)成分に分解することができた。各PFに加え気象情報を用いて,最小二乗サポートベクトルマシン(LSSVM)予測モデルを確立した。本論文では,付加的な因子として,日最高気温が正午でのPV出力予測に使用されている。シミュレーションの結果は,太陽放射データなしで,LMD LSSVMに基づく予測は実用的であり,PV出力系列の元の物理特性をより良く保存できることを示した。Copyright 2018 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： 気象情報 ,  信頼性 ,  電力系統 ,  気象 ,  太陽光 ,  *予測 ,  データマイニング ,  化石燃料 ,  発電 ,  太陽放射 ,  予測モデル
準シソーラス用語： 日最高気温 ,  最小二乗-サポートベクトルマシン ,  太陽放射照度 ,  出力予測 , 【Automatic Indexing@JST】

分類 (2件)： 太陽光発電  (NB03090G) ,  電力系統一般  (NB02000E)

タイトルに関連する用語 (4件)： 平均 ,  分解 ,  PV ,  予測