文献

J-GLOBAL ID：202002216979115752   整理番号：20A0291298

風力タービン出力予測を改善するための人工神経回路網のための大気入力の使用【JST・京大機械翻訳】

Using atmospheric inputs for Artificial Neural Networks to improve wind turbine power prediction

著者 (4件)： Nielson Jordan (Department of Mechanical Engineering, University of Texas at San Antonio, Laboratory of Turbulence, Sensing and Intelligence Systems, San Antonio, TX, USA) ,  Bhaganagar Kiran (Department of Mechanical Engineering, University of Texas at San Antonio, Laboratory of Turbulence, Sensing and Intelligence Systems, San Antonio, TX, USA) ,  Meka Rajitha (Department of Mechanical Engineering, University of Texas at San Antonio, USA) ,  Alaeddini Adel (Department of Mechanical Engineering, University of Texas at San Antonio, USA)
資料名： Energy  (Energy)
巻： 190  ページ： Null  発行年： 2020年 
JST資料番号： H0631A  ISSN： 0360-5442  CODEN： ENEYDS  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： 強力な機械学習方法論を用いて,電力予測を大幅に改善するために,大気境界層において作動する実物大孤立風力タービンのサイト固有電力曲線を生成し,その結果,毎月のエネルギー生産推定の予測を行った。研究は,毎月のエネルギー推定の精度を改良することによって,ウインドファームの財政的実現可能性を測定することにおいて,重要な含意を持った。研究の意義は,大気安定性と空気密度が風力タービンの電力予測において説明されることである。人工ニューラルネットワーク(ANN)機械学習手法を用いて,風力タービンにより生成される電力を推定するために,多重パラメータ入力モデルを生成した。本研究におけるANNモデルは,Feed Forward Back Propagation(FFBP)アルゴリズムを使用した。電力と風のデータは,米国のKirkwoodの風力タービンの900mの南西に位置する気象塔を持つ2.5MWの風力タービンから得られる。本研究では,ANNモデルへの入力パラメータとして,大気境界層計量,密度(成層化の尺度),Richardson数,乱流強度,および風せん断の役割を調べた。本研究では,電力予測精度に及ぼすFFBP ANNハイパーパラメータの影響を調べた。FFBP ANNモデルと他の電力曲線補正技術との比較により,密度補正(次の最も近い)と比較して,平均絶対誤差(MAE)が40%改善されることを実証した。5パラメータ4層FFBP ANNは9か月間平均エネルギー生産誤差0.4%を有し,IECは-3.7%,空気密度補正に対して誤差は-1.9%であった。最後に,本研究では,2つの基準-Richardson数とTurbulence強度を用いて分類された異なる大気安定性レジーム(不安定,強い安定性,強い不安定性および中立性)に対するFFBP ANNモデルの性能を決定した。最大のMAEは両基準に対する大気境界層の強い安定領域の間に生じた。Copyright 2020 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： Richardson数 ,  ウインドファーム ,  剪断 ,  塔状構造物 ,  電力 ,  *風車 ,  大気境界層 ,  機械学習 ,  *風 ,  乱流 ,  大気安定度 ,  *ニューラルネットワーク ,  アルゴリズム ,  多重化 ,  気象

著者キーワード (6件)： ANN ,  風力エネルギー ,  電力予測 ,  大気境界層 ,  乱流 ,  風力タービン

分類 (2件)： 電力系統一般  (NB02000E) ,  風力発電  (NB03120Q)

タイトルに関連する用語 (4件)： 風力タービン ,  出力予測 ,  人工神経回路網 ,  大気