文献

J-GLOBAL ID：201802273766820326   整理番号：18A1773959

改良された動径基底関数ニューラルネットワークのための多日先PV出力【JST・京大機械翻訳】

Multi-Day-Ahead PV Power Output for Improved Radial Basis Function Neural Network

著者 (3件)： Lu H. J. (Green Energy and Environment Research Laboratories, Industrial Technology Research Institute, Taiwan, Hsin-Chu, R.O.C.) ,  Chen H. T. (Green Energy and Environment Research Laboratories, Industrial Technology Research Institute, Taiwan, Hsin-Chu, R.O.C.) ,  Chang G. W. (Department of Electrical Engineering, National Chung Cheng University, Taiwan, Chia-Yi, R.O.C.)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ISGT Asia  ページ： 957-961  発行年： 2018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： 太陽光発電(PV)電力出力予測は,PV電力産業と電力会社における重要な問題である。それにもかかわらず,既存のPV電力出力予測モデルの欠点は,それらがしばしば気象変動と移動雲によって引き起こされる照射と周囲温度の間の不確実な情報を無視することである。それは予測精度の短さをもたらす。本論文は,上記の欠点を克服するために,マルチパラメータ予測方式を有する改良動径基底関数ニューラルネットワーク構造(RBFNN)を提示することである。提案した方式によって得た事例研究の結果を,動径基底関数ニューラルネットワーク(RBFNN)と逆伝搬ニューラルネットワーク(BPNN)を含む2つの典型的人工ニューラルネットワーク予測法と比較した。提案したモデルがPV発電出力を予測するためのより良い精度をもたらすことを実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  電力 ,  不確実性 ,  *ニューラルネットワーク ,  気候変動 ,  太陽光発電 ,  パラメータ推定 ,  事例研究
準シソーラス用語： 予測精度 ,  逆伝播ニューラルネットワーク ,  電力会社 ,  出力予測 ,  発電出力 ,  *動径基底関数ニューラルネットワーク ,  周囲温度 , 【Automatic Indexing@JST】

分類 (3件)： NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (2件)： 動径基底関数ニューラルネットワーク ,  PV