文献

J-GLOBAL ID：201802245922483890   整理番号：18A2050086

ニューラルネットワークによる多地点時系列データを用いた風速予測におけるVARによるデータ選択の検討

Study of Learning Data Selection Method with VAR Model in Wind Speed Prediction by Neural Network using Wind Speed Time-series Data of Multiple Sites

著者 (4件)： 長谷智紘 (広島工業大学) ,  森山健 (広島工業大学) ,  西村晃紀 (広島工業大学) ,  前田俊二 (広島工業大学)
資料名： 精密工学会誌(Web)  (Journal of the Japan Society for Precision Engineering (Web))
巻： 84  号： 10  ページ： 868-875(J-STAGE)  発行年： 2018年 
JST資料番号： U0462A  ISSN： 1882-675X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 自然現象に依存した風力による発電量は,電力系統への接続に対する影響には特に懸念される。従って,風力発電が予測できれば,風力エネルギーの有効利用が期待できる。本研究は,複数の隣接サイトの時系列風速データを用いたニューラルネットワーク,NNおよびVARモデルによる風速予測のための方法を提案した。また,東北地方の気象観測塔を含む複数地点の風データを用いて風速予測性能を評価した。(翻訳著者抄録)

シソーラス用語： *ニューラルネットワーク ,  電力系統 ,  風速 ,  風力 ,  *風力エネルギー ,  *風力発電 ,  データ ,  気象データ ,  選択 ,  予測 ,  利用 ,  自己回帰モデル ,  性能評価 ,  類似性 ,  ライフサイクル ,  数学モデル ,  東北地方
準シソーラス用語： VARモデル ,  データ選択 ,  学習データ ,  時系列データ ,  線形モデル ,  入力データ ,  *風速予測 ,  有効利用

著者キーワード (14件)： 風力発電 ,  予測 ,  類似性 ,  ベクトル自己回帰 ,  ニューラルネットワーク ,  時系列データ ,  ライフサイクル ,  風力発電 ,  予測 ,  類似性 ,  ベクトル自己回帰 ,  ニューラルネットワーク ,  時系列データ ,  ライフサイクル

分類 (2件)： 風力エネルギー  (LB03060X) ,  局地循環,気流  (DC05090N)

引用文献 (14件)：

• 1) 石原孟,山口敦,嶋田健司:風力発電出力の短期予測 電力の安定供給に向けて,オーム社(2012).
• 2) Thomas Ackermann : Wind Power in Power Systems, 2nd Edition, Wiley(2012).
• 3) 早崎宣之:風力発電出力予測技術の開発・利用の動向,平成28年電気学会電子・情報・システム部門大会,TC8-3(2016).
• 4) 青木功,谷川亮一,早坂宣之,松本光裕,榎本重朗:風力発電出力予測システムの開発と運用状況,電気学会論文誌 B, 電力・エネルギー部門誌,133, 4 (2013) 366.
• 5) Erdem Ergin, Shi Jing : ARMA based approaches for forecasting the tuple of wind speed and direction, Applied Energy, 88, 4 (2011) 1405.

タイトルに関連する用語 (5件)： ニューラルネットワーク ,  多地点 ,  時系列データ ,  風速予測 ,  データ選択