文献

J-GLOBAL ID：202002252145358378   整理番号：20A1416369

類似日解析,遺伝的アルゴリズムおよび極端学習機械に基づく太陽光発電出力の予測【JST・京大機械翻訳】

Prediction of photovoltaic power output based on similar day analysis, genetic algorithm and extreme learning machine

著者 (4件)： Zhou Yi (Department of Electronics Information Engineering, Nanchang University, Nanchang, 330031, China) ,  Zhou Nanrun (Department of Electronics Information Engineering, Nanchang University, Nanchang, 330031, China) ,  Gong Lihua (Department of Electronics Information Engineering, Nanchang University, Nanchang, 330031, China) ,  Jiang Minlin (Institute for Advanced Study, Nanchang University, Nanchang, 330031, China)
資料名： Energy  (Energy)
巻： 204  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： 最近,多くの機械学習技術が,それらの強い非線形回帰容量のため,太陽光発電(PV)電力出力予測にうまく採用されている。しかし,単一機械学習アルゴリズムは,PV電力出力の予測において,安定した予測性能と十分な一般化能力を持たない。本研究では,極端学習機械(ELM),遺伝的アルゴリズム(GA)およびカスタマイズした類似日分析(SDA)に基づくハイブリッドモデル(SDA-GA-ELM)を開発し,時間ごとのPV出力を予測した。SDAにおいて,ピアソン相関係数を用いて,5つの気象因子に基づく異なる日の間の類似性を測定し,そして,目標予測日からのそれらに類似したデータサンプルを,ELMの訓練セットとして選択した。この操作は,有効サンプル数を効果的に増加でき,訓練データの時間消費を減らす。ELMでは,隠れバイアスと入力重みの最適値をGAによって探索し,予測精度を改善した。提案した予測モデルの性能を決定係数(R2),平均絶対誤差(MAE)および正規化二乗平均平方根誤差(nRMSE)で評価した。結果は,SDA-GA-ELMモデルが日先のPV電力予測においてより高い精度と安定性を有することを示した。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： 電力 ,  *学習機械 ,  気象要素 ,  *太陽光発電 ,  正規化 ,  *遺伝的アルゴリズム ,  学習アルゴリズム ,  カスタム化 ,  予測モデル
準シソーラス用語： 訓練データ ,  線形回帰 ,  予測精度 ,  ハイブリッドモデル ,  決定係数 ,  Pearson相関係数 , 【Automatic Indexing@JST】

著者キーワード (4件)： 太陽光発電予測 ,  類似日解析 ,  遺伝的アルゴリズム ,  極限学習機械

分類 (2件)： 圧縮点火機関  (PB02030N) ,  生物燃料及び廃棄物燃料  (LB02020Y)

タイトルに関連する用語 (6件)： 類似 ,  解析 ,  遺伝的アルゴリズム ,  極端学習機械 ,  太陽光発電 ,  予測