文献

J-GLOBAL ID：201902225857131243   整理番号：19A2176929

自己符号化ニューラルネットワークに基づく太陽光発電の最大電力点の追跡【JST・京大機械翻訳】

Tracking the Maximum Power Point of Photovoltaic Power Generation Based on Self-coding Neural Network

著者 (5件)： Meng Xiangping (School of Electrical Engineering and Information Technology, Changchun Institute of Technology, Changchun, China) ,  An Yinping (College of Electrical and Electronic Engineering, Changchun University of Technology, Changchun, China) ,  Wang Hui (School of Electrical Engineering and Information Technology, Changchun Institute of Technology, Changchun, China) ,  Yao Qi (School of Electrical Engineering and Information Technology, Changchun Institute of Technology, Changchun, China) ,  Liang Chunhui (School of Electrical Engineering and Information Technology, Changchun Institute of Technology, Changchun, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CCDC  ページ： 592-597  発行年： 2019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： 太陽光発電システムの電流と電圧は外部温度と放射によって常に変化し,それは太陽光発電の最大電力点における一定の変化をもたらすことができる。この問題を解決するために,太陽光発電の最大電力点追跡に適用される自己符号化ニューラルネットワーク技術に基づく新しい方法を提案した。この方法は,積層符号器の深い学習ネットワーク訓練に基づいており,教師つき学習による逆伝搬法を利用する自己符号化ニューラルネットワークを微調整する。最後に,太陽光発電システムのモデル解析を,MATLAB/Simulink環境によって実行した。結果は,この方法が従来のコンダクタンス増分法よりも速く正確に光起電力の最大電力点を追跡でき,太陽光発電の効率を改善できることを示した。Copyright 2019 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： *ネットワーク ,  電流 ,  光起電力 ,  *ニューラルネットワーク ,  コンダクタンス ,  *太陽光発電 ,  符号器 ,  電圧 ,  学習 ,  逆伝搬法
準シソーラス用語： Simulink ,  微調整 ,  最大電力点追従 ,  太陽光発電システム ,  *最大電力点 , 【Automatic Indexing@JST】

分類 (1件)： 太陽光発電  (NB03090G)

タイトルに関連する用語 (6件)： 自己 ,  符号化 ,  ニューラルネットワーク ,  太陽光発電 ,  最大電力点 ,  追跡