文献

J-GLOBAL ID：202002230816141381   整理番号：20A0476340

多段階風力予測のための二次分解モデル選択とサンプル選択の組合せモデル【JST・京大機械翻訳】

Combined model with secondary decomposition-model selection and sample selection for multi-step wind power forecasting

著者 (4件)： Wu Zhuochun (National Key Laboratory of Science and Technology on Communications, University of Electronic Science and Technology of China, Chengdu, China) ,  Xia Xiangjie (National Key Laboratory of Science and Technology on Communications, University of Electronic Science and Technology of China, Chengdu, China) ,  Xiao Liye (Institute of Electromagnetics and Acoustics, Xiamen University, Xiamen, China) ,  Liu Yilin (Glasgow College, University of Electronic Science and Technology of China, Chengdu, China)
資料名： Applied Energy  (Applied Energy)
巻： 261  ページ： Null  発行年： 2020年 
JST資料番号： A0097A  ISSN： 0306-2619  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： 風力予測は電力系統の安全運転を確実にするために重要な役割を果たす。しかし,風力発電の確率的性質と動的不確実性のために,正確で安定な予測が課題に直面している。本研究において,二次分解モデル選択と非農業不確実性サンプリング-アクティブ学習-サンプル選択戦略を有する改質結合構造を,多段階決定論的および確率的風力予測のために提案した。二次分解モデル選択戦略を実験前に使用し,初期モデル空間から選択モデル空間へのより良い予測モデルを選択し,二次分解法を初期データにおける干渉を減少させるために適用した。サンプル選択プロセスを加速し,テスト効率を強化し,間接的に最終性能を促進するために,非agnostic不確実性サンプリング能動学習サンプル選択戦略を採用した。予測精度と安定性を同時に促進するために,先進的多目的最適化を適用して,選択したモデル空間からの結合モデルへのトップ最良モデルを自動的に選択した。決定論的予測を除いて,不確実性推定は重要であり,グリッドシステムが大規模風力発電を吸収するので,リスク管理のための予測情報の異なる側面を提供し,したがって,確率的予測も考慮した。多段階予測も考慮した。Elia,ベルギーからの8つのデータセットを適用して,二次分解モデル選択と提案した結合モデルの予測性能を評価した。結果によると,比較モデルと比較して,提案した結合モデルは,多段階決定論的予測のより高い精度と安定性を得た(予測スキルを精度と安定性において90%以上改善し,1ステップから3ステップ予測まで),また,多段階確率情報を提供した。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： 農業 ,  リスク管理 ,  風力発電 ,  予測モデル ,  結合モデル ,  不確実性 ,  電力系統 ,  *風力 ,  分割法 ,  ベルギー王国
準シソーラス用語： 多目的最適化 ,  予測精度 ,  決定論 ,  安全運転 ,  *モデル選択 , 【Automatic Indexing@JST】

著者キーワード (5件)： モデル選択 ,  多目的最適化 ,  多段階予測 ,  非Agnostic不確実性サンプリング能動学習-サンプル選択 ,  確率的予測

分類 (1件)： 風力発電  (NB03120Q)

タイトルに関連する用語 (8件)： 段階 ,  風力 ,  予測 ,  分解 ,  モデル選択 ,  サンプル ,  組合せ ,  モデル