文献

J-GLOBAL ID：201902229173118166   整理番号：19A1942920

新しい畳込みニューラルネットワークフレームワークに基づく太陽放射照度予測法【JST・京大機械翻訳】

A novel convolutional neural network framework based solar irradiance prediction method

著者 (4件)： Dong Na (School of Electrical and Information Engineering, Tianjin University, Tianjin 300072, China) ,  Chang Jian-Fang (School of Electrical and Information Engineering, Tianjin University, Tianjin 300072, China) ,  Wu Ai-Guo (School of Electrical and Information Engineering, Tianjin University, Tianjin 300072, China) ,  Gao Zhong-Ke (School of Electrical and Information Engineering, Tianjin University, Tianjin 300072, China)
資料名： International Journal of Electrical Power & Energy Systems  (International Journal of Electrical Power & Energy Systems)
巻： 114  ページ： Null  発行年： 2020年 
JST資料番号： A0596B  ISSN： 0142-0615  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 太陽光発電システム,太陽熱システムの重要な部分として,太陽放射照度は可変性と不確実性の固有の特性を持っている。既存のデータ解析法は,より良い一般化を実証するのが難しい。したがって,資源プランナは,これらの不確実性に対応するために適応できなければならない。太陽エネルギー予測の精度を改善し,太陽エネルギーの利用を効率的に組織化するために,新しい畳込みニューラルネットワークフレームワークを構築した。まず第一に,著者らは,周辺サイトからの気象データと異なるサンプリング時間に基づく太陽予測のための畳込みニューラルネットワークフレームワークを確立した。第二に,カオス的GA/PSO1遺伝的アルゴリズム/粒子群最適化。1ハイブリッドアルゴリズムを適用して,新しいフレームワークのハイパーパラメータを最適化し,不適切なハイパーパラメータに起因する不完全性能を軽減した。一方,ハイブリッドアルゴリズムは手動パラメータ調整の人力と資源を減らすことができる。新しい枠組みの励起性をベンチマーク試験により検証した。太陽放射照度予測研究において,提案した方法の年平均絶対誤差は,単一CNN2畳込みニューラルネットワークと比較して,0.1463MJ m-2減少した。2つの枠組み。ANN3人工ニューラルネットワークと比較して,提案方法の年平均絶対誤差は,それぞれ49.47%,47.6%,20.34%減少した。3,K-means-RBF4kmeans-ラジカル基底関数。4とGBRT,5Gradient Boosed Regression Trees。すべてのシミュレーション試験結果を通して,優位性を完全に例示した。したがって,提案した方法は太陽パワーの正確な推定のための基礎を提供し,それは全電力システムのさらなる開発を促進することができる。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： データ解析 ,  *太陽 ,  不整 ,  太陽エネルギー ,  *予測 ,  不確実性 ,  シミュレーション ,  電力系統 ,  最適化 ,  カオス ,  *ニューラルネットワーク
準シソーラス用語： ハイパーパラメータ ,  ハイブリッドアルゴリズム ,  *太陽放射照度 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 太陽放射照度予測 ,  畳み込みニューラルネットワーク ,  ハイブリッド最適化アルゴリズム ,  ハイパーパラメータ ,  再生可能エネルギー

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  フレームワーク ,  太陽放射照度 ,  予測法