文献

J-GLOBAL ID：201802238245261875   整理番号：18A0763163

Bayesian比を改善する異常風速値検出法【JST・京大機械翻訳】

Anomaly Wind Speed Detection Method with Improved Bayesian Posterior Ratio

著者 (4件)： Chen Wei (蘭州理工大学電气工程与信息工程学院,甘粛蘭州,730050) ,  Wu Butuo (蘭州理工大学電气工程与信息工程学院,甘粛蘭州,730050) ,  Pei Xiping (蘭州理工大学電气工程与信息工程学院,甘粛蘭州,730050) ,  Wang Yizhe (蘭州理工大学電气工程与信息工程学院,甘粛蘭州,730050)
資料名： Dianwang yu Qingjienengyuan  (Dianwang yu Qingjienengyuan)
巻： 33  号： 2  ページ： 104-111,116  発行年： 2017年 
JST資料番号： C3448A  ISSN： 1674-3814  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： 風力発電所の運転データに異常風速値を含み、風力データの品質を最適化するために、組合せ予測とBayesian事後比の異常値検出方法を提案した。予測誤差を減少させるために,最初に,AdaboostBPネットワークとEMD-LV-SVMの組合せ予測モデルを確立して,予測値と測定値の間の偏差を用いて,粗い誤差を含む残差シーケンスを得た。検出法の信頼性を改善するために,Bayes法を用いて残差系列における粗大誤差を同定し,異常風速値の位置を決定し,ARIMA法により異常風速を修正し,提案した方法により異常値を正確に識別できることを示した。その結果,ウインドファームの短期風速予測精度が改善された。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： ウインドファーム ,  予測モデル ,  残差 ,  信頼性 ,  最適化 ,  ネットワーク ,  異常値 ,  *検出法 ,  風力 ,  予測誤差 ,  *風速 ,  予測
準シソーラス用語： 予測精度 ,  ARIMAモデル ,  Bayes法 , 【Automatic Indexing@JST】

著者キーワード (4件)： anomaly wind speed detection method ,  combined forecasting model ,  residual analysis ,  Bayesian posterior ratio

分類 (1件)： 風力発電  (NB03120Q)

タイトルに関連する用語 (2件)： 風速 ,  検出法