文献

J-GLOBAL ID：202002223212543740   整理番号：20A0939404

APSO-GSAと相関ベクトルマシンに基づく短期風力電力予測【JST・京大機械翻訳】

Short-term wind power prediction based onAPSO-GSA and correlation vector machine

著者 (7件)： Tian Biyuan (国网烏魯木斉供電公司,新疆烏魯木斉,830011) ,  Liu Qi (国网烏魯木斉供電公司,新疆烏魯木斉,830011) ,  Zhang Xinyan (新疆大学電气工程学院,新疆烏魯木斉,830049) ,  Wang Yujie (国网烏魯木斉供電公司,新疆烏魯木斉,830011) ,  Zhang Yifan (国网烏魯木斉供電公司,新疆烏魯木斉,830011) ,  Guo Hongyan (国网烏魯木斉供電公司,新疆烏魯木斉,830011) ,  Chang Xiqiang (国网烏魯木斉供電公司,新疆烏魯木斉,830011)
資料名： Dianlixitong Baohu Yu Kongzhi  (Dianlixitong Baohu Yu Kongzhi)
巻： 48  号： 2  ページ： 107-114  発行年： 2020年 
JST資料番号： C2675A  ISSN： 1674-3415  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 正確な短期風力電力予測モデリングは,新しいエネルギー電力システムの経済安定運転を強化するために非常に重要である。小サンプル学習,精細化モデリング,確率的予測における従来の予測方法の不足と局所最適影響に狙いを定めて,RVMに基づく風力電力予測モデルを,相関ベクトルマシン(RVM)理論によって確立した。次に,適応パーティクルスウォーム最適化(APSO)に基づくAPSO-GSAハイブリッド最適化アルゴリズムを提案し,そして,このアルゴリズムを用いてRVMモデルパラメータを最適化した。最後に、中国西北の某ウィンドファーム運転データを例に検証を行った。結果は,提案した方式が,より高いモデリング精度とより速い収束速度を有して,より少ないサンプルと単純なモデルを使用して,未来の風力電力の正確な予測を実現することを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  アルゴリズム ,  最適化 ,  学習 ,  *電力 ,  電力系統 ,  *風力 ,  精密化 ,  ウインドファーム ,  予測モデル
準シソーラス用語： 粒子群最適化 ,  収束速度 ,  モデルパラメータ ,  ハイブリッド最適化アルゴリズム ,  運転データ , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (6件)： 相関 ,  ベクトル ,  マシン ,  短期 ,  風力 ,  予測