文献

J-GLOBAL ID：201902229209249885   整理番号：19A2423970

分散風力発電を予測するための局所二次ウェーブレットニューラルネットワーク法【JST・京大機械翻訳】

A Local Quadratic Wavelet Neural Network Method for Predicting Dispersed Wind Power Generation

著者 (5件)： Lian Yiqing (Electric Power Research Institute of China Southern Power Grid, Guangzhou, China) ,  Zhou Changcheng (Electric Power Research Institute of China Southern Power Grid, Guangzhou, China) ,  Yuan Zhiyong (Electric Power Research Institute of China Southern Power Grid, Guangzhou, China) ,  Lei Jinyong (Electric Power Research Institute of China Southern Power Grid, Guangzhou, China) ,  Tao Si-yu (Southeast University, Nanjing, China)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 585  ページ： 377-388  発行年： 2020年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 本論文では,電力系統における短期風力発電予測のための新しい局所二次ウェーブレットニューラルネットワーク(LQWNN)法を提案した。その局所二次モデル(LQM)の非線形構造により,この方法は風力発電の非線形挙動を効果的にシミュレートできる。時間領域と周波数領域において,ウェーブレット関数はLQWNNにおけるLQMsの有効領域をセットして,このように,全体的モデルの学習効率と構造的透明性を改良した。提案したLQWNN法は,簡単で効果的な粒子群最適化(PSO)アルゴリズムを採用し,そのパラメータを最適化する。2つの実際の事例研究を通して,甘粛省におけるアイルランド送電網とJiuquan風力発電所の風力予測,提案した風力予測法の性能を評価し,他の方法と比較した。結果は,本論文において提案したLQWNN方法が風力発電を予測することにおいて非常に効果的であり,良い応用展望を持つことを示した。Copyright 2020 Springer Nature Singapore Pte Ltd. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ニューラルネットワーク ,  周波数領域 ,  *風力発電 ,  事例研究 ,  *波束 ,  *風力 ,  予測技法 ,  アイルランド ,  最適化 ,  アルゴリズム ,  *予測 ,  送電系統
準シソーラス用語： 甘粛省 ,  粒子群最適化 ,  *ウェーブレットニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： ニューラルネットワーク ,  局所二次ウェーブレット ,  粒子群最適化 ,  電力システム ,  風力予測

分類 (1件)： 風力発電  (NB03120Q)

タイトルに関連する用語 (3件)： 風力発電 ,  予測 ,  ウェーブレットニューラルネットワーク