文献

J-GLOBAL ID：201802251771982595   整理番号：18A0017157

太陽集積化演算格子フィーダのためのネット負荷予測【Powered by NICT】

Net load forecasts for solar-integrated operational grid feeders

著者 (7件)： Chu Yinghao (Department of Mechanical and Aerospace Engineering, Jacobs School of Engineering, Center of Excellence in Renewable Resource Integration and Center for Energy Research, University of California, 9500 Gilman Drive, La Jolla, CA 92093, USA) ,  Chu Yinghao (Current address: Environmental Engineering Center, China Nuclear Power Technology Research Institute CO., Ltd, 1620 Shenzhen Science and Technology Building, 1001 Shangbuzhong Road, Futian, Shenzhen, PR China) ,  Pedro Hugo T.C. (Department of Mechanical and Aerospace Engineering, Jacobs School of Engineering, Center of Excellence in Renewable Resource Integration and Center for Energy Research, University of California, 9500 Gilman Drive, La Jolla, CA 92093, USA) ,  Kaur Amanpreet (Department of Mechanical and Aerospace Engineering, Jacobs School of Engineering, Center of Excellence in Renewable Resource Integration and Center for Energy Research, University of California, 9500 Gilman Drive, La Jolla, CA 92093, USA) ,  Kaur Amanpreet (Current address: SolarCity, 3055 Clearview Way, San Mateo, CA 94402, USA) ,  Kleissl Jan (Department of Mechanical and Aerospace Engineering, Jacobs School of Engineering, Center of Excellence in Renewable Resource Integration and Center for Energy Research, University of California, 9500 Gilman Drive, La Jolla, CA 92093, USA) ,  Coimbra Carlos F.M. (Department of Mechanical and Aerospace Engineering, Jacobs School of Engineering, Center of Excellence in Renewable Resource Integration and Center for Energy Research, University of California, 9500 Gilman Drive, La Jolla, CA 92093, USA)
資料名： Solar Energy  (Solar Energy)
巻： 158  ページ： 236-246  発行年： 2017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： San Diego Gas&Electric動作領域の太陽統合,ユーティリティスケールフィーダの予測モデルを提案した。モデルは,10から30minの範囲の層の正味負荷を予測した。実装した予測法は,人工ニューラルネットワーク(ANN)とサポートベクトル回帰(SVR)に基づくハイブリッド法,両天空画像のための画像処理法を結合させた,を含んでいる。これらの方法は,参照持続法と比較した。三強調手法は予測誤差を減少させるのに実行した:(1)日常の人間活動に起因する低周波負荷変動を除去するために純負荷の時系列を分解(2)昼間と夜間の間のモデル訓練を分離するおよび(3)日予報における外因性入力として天空画像特徴を含んでいる。ANNおよびSVRモデルは純負荷の六か月測定を用いて訓練し,検証し,統計的計量:MBE,MAPE,rRMSE,予報スキルを用いて評価した,これは参照持続性モデルのRMSEでRMSEの減少として定義した。独立した試験セットの結果は,強調法と,データ駆動型モデルは,参照持続モデルの性能を著しく上回ることを示し,位置,太陽浸透と予測期間に依存して,43%の高い予測能力(参照持続性モデルの改良)を達成した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 負荷変動 ,  画像 ,  画像処理 ,  予測モデル ,  予測技法 ,  ニューラルネットワーク ,  *供給装置 ,  予測誤差 ,  *予測 ,  画像特性 ,  *負荷予測 ,  *太陽
準シソーラス用語： データ駆動 ,  持続性 ,  サポートベクトル回帰 , 【Automatic Indexing@JST】

著者キーワード (5件)： ネット負荷予測 ,  Skyイメージング ,  サポートベクトルマシン ,  人工ニューラルネットワーク ,  太陽統合

分類 (1件)： 放射,大気光学  (DC05080C)

タイトルに関連する用語 (6件)： 太陽 ,  集積化 ,  格子 ,  フィーダ ,  ネット ,  負荷予測