文献

J-GLOBAL ID：201902210781140722   整理番号：19A1535501

短期風速予測のための新しい非線形結合システム【JST・京大機械翻訳】

A novel non-linear combination system for short-term wind speed forecast

著者 (3件)： Wang Jianzhou (School of Statistics, Dongbei University of Finance and Economics, Dalian 116025, China) ,  Wang Shiqi (School of Statistics, Dongbei University of Finance and Economics, Dalian 116025, China) ,  Yang Wendong (School of Statistics, Dongbei University of Finance and Economics, Dalian 116025, China)
資料名： Renewable Energy  (Renewable Energy)
巻： 143  ページ： 1172-1192  発行年： 2019年 
JST資料番号： A0124C  ISSN： 0960-1481  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： 重要なクリーンエネルギー源として,風力発電は送電網の安全運転に強い影響を持つ。その出力は風速に直接依存するので,短期風速を正確に予測することは非常に重要である。しかしながら,多くの以前の研究には,2つの欠点がある。それらは,誤差シーケンスの情報を抽出することなく,元のデータに焦点を合わせるだけである。それらのほとんどは単一最適化に基づいており,同時に精度と安定性を増加させることの重要性を無視している。したがって,データ特徴抽出に基づく新しいハイブリッドモデルと,元の風速系列と誤差シーケンスを非線形に組み合わせた多目的最適化を,短期予測のために提案した。それは,2つのステップから成る。(a)予備予測による誤差シーケンスを得る,(b)最終予測値を得るための予備結果と誤差シーケンスを組み合わせる。さらに,多目的灰色最適化(MOGWO)によって最適化されたハイブリッドElmanニューラルネットワーク(ENN)を,同時に高精度と安定性を達成するために提案した。性能を解析するために,異なる風場から収集した4つのデータセットを例として利用した。結果は,提案した予測モデルが,他のコントラストモデルと比較して,優れた精度と安定性に達することを実証した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： クリーンエネルギー ,  送電系統 ,  予測モデル ,  予測誤差 ,  *予測 ,  最適化 ,  短期予測 ,  コントラスト ,  モデル ,  *風速 ,  特徴抽出 ,  風力発電
準シソーラス用語： 予測値 ,  多目的最適化 ,  ハイブリッドモデル ,  *風速予測 , 【Automatic Indexing@JST】

著者キーワード (5件)： 短期予測 ,  エラーシーケンス ,  非線形組合せ ,  データ特徴抽出 ,  多目的最適化

分類 (3件)： 風力エネルギー  (LB03060X) ,  局地循環,気流  (DC05090N) ,  風力発電  (NB03120Q)

タイトルに関連する用語 (3件)： 短期 ,  風速予測 ,  非線形結合