文献

J-GLOBAL ID：202002232166990989   整理番号：20A2551119

Autoencoder-LSTMと持続性モデルを用いたデータ駆動型日先PV推定【JST・京大機械翻訳】

Data-Driven Day-Ahead PV Estimation Using Autoencoder-LSTM and Persistence Model

著者 (5件)： Zhang Yue (GE Digital, Bothell, WA, USA) ,  Qin Chuan (School of Electrical Engineering and Computer Science, Washington State University, Pullman, WA, USA) ,  Srivastava Anurag K. (School of Electrical Engineering and Computer Science, Washington State University, Pullman, WA, USA) ,  Jin Chenrui (NEC Labs America, Cupertino, CA, USA) ,  Sharma Ratnesh K. (NEC Labs America, Cupertino, CA, USA)
資料名： IEEE Transactions on Industry Applications  (IEEE Transactions on Industry Applications)
巻： 56  号： 6  ページ： 7185-7192  発行年： 2020年 
JST資料番号： A0338B  ISSN： 0093-9994  CODEN： ITIACR  資料種別： 逐次刊行物 (A)
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： 太陽光発電(PV)における固有の変動と電力系統への関連する影響は,PV所有者とグリッドオペレータの両方にとって挑戦的な問題である。既存の統計的および機械学習アルゴリズムは,歴史的データに類似した気象条件に対してよく働く。しかし,不確実な気象条件は,推定モデルの推定精度に大きな挑戦をもたらす。インテリジェント電子デバイスの統合強化と送電網における関連自動化の実現により,再生可能エネルギーデータはよりアクセスしやすくなり,これは深層学習モデルにより利用され,PV発電推定精度を改善する。本論文では,外部気象データによって駆動されるハイブリッド深層学習モデルを提案し,15分間隔で日先PV出力予測を行った。提案モデルは,複雑な気象条件の予測をしながら,シーケンスの不確実性を推定する,長期メモリネットワークとオートエンコーダの最近の進歩によって動機づけられる。一方,連続晴天気象条件を予測するために,持続性モデルを使用した。予測結果を多重位置からのデータで検証した。Copyright 2020 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： 自動化 ,  オペレータ ,  *不確実性 ,  発電 ,  送電系統 ,  電力系統 ,  気象データ ,  気象条件 ,  多重化 ,  太陽光発電 ,  晴天 ,  学習アルゴリズム
準シソーラス用語： 推定精度 ,  推定モデル ,  *データ駆動 , 【Automatic Indexing@JST】

分類 (2件)： 電力系統一般  (NB02000E) ,  システム同定  (IA02040O)

タイトルに関連する用語 (6件)： LSTM ,  持続性 ,  モデル ,  データ駆動 ,  PV ,  推定