文献

J-GLOBAL ID：201902298907707547   整理番号：19A1204405

形態学的高周波フィルタと局所敏感ハッシングに基づく短期風力発電局所予測【JST・京大機械翻訳】

Short-term Wind Power Local Forecast based on Morphological High-frequency Filter and Local-sensitive Hashing

著者 (4件)： Liu L. (School of Electric Power Engineering, South China University of Technology, Guangzhou, 510641, China) ,  Ji T. Y. (School of Electric Power Engineering, South China University of Technology, Guangzhou, 510641, China) ,  Li M. S. (School of Electric Power Engineering, South China University of Technology, Guangzhou, 510641, China) ,  Wu Q. H. (School of Electric Power Engineering, South China University of Technology, Guangzhou, 510641, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： GTD Asia  ページ： 685-690  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： 風力が電力系統の重要な部分になるので,より正確な予測は風力発電の高効率応用にとって重要である。本論文は,短期風力予測に焦点を合わせて,形態的高周波フィルタ(MHF)と局所敏感ハッシングアルゴリズム(LSH)に基づくMHF-LSH-SVRの新しい予測モデルを提案した。予測に及ぼす生風力発電時系列の高揮発性の影響を緩和するために,MHFフィルタを用いて平均傾向時系列を抽出し,それは平均傾向を示した。局所予測を実行するために,平均傾向時系列を高次元位相空間における平均傾向セグメントに再構成した。その後,より正確な予測結果を得るために,LSHアルゴリズムを適用して,予測平均傾向セグメントの類似セグメントを抽出し,次に,サポートベクトル回帰(SVR)のアルゴリズムによって局所予測を実行するために採用した。実際のウインドファームから収集した風力発電時系列についてシミュレーション研究を行い,最終結果は,MHF-LSH-SVRモデルが,精度と安定性の両方に関して,持続性(Per),SVRおよびMHF-SVRのモデルより優れていることを実証した。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： *風力 ,  電力系統 ,  *風力発電 ,  *ハッシング ,  *フィルタ ,  *予測 ,  アルゴリズム ,  シミュレーション ,  予測モデル ,  ウインドファーム ,  *モルフォロジー ,  位相空間 ,  再構成
準シソーラス用語： 持続性 ,  サポートベクトル回帰 , 【Automatic Indexing@JST】

分類 (1件)： 風力発電  (NB03120Q)

タイトルに関連する用語 (6件)： 形態学 ,  高周波フィルタ ,  ハッシング ,  短期 ,  風力発電 ,  予測