文献

J-GLOBAL ID：202002255172804046   整理番号：20A0818829

調和探索ベースの極端学習機械を用いた太陽電力の短期予測【JST・京大機械翻訳】

Short Term Forecasting of Solar Power Using Harmony Search based Extreme Learning Machine

著者 (2件)： Pani Alok Kumar (Siksha `O’ Anusandhan (Deemed to be University),Department of EEE,Bhubaneswar,Odisha,India) ,  Nayak Niranjan (Siksha `O’ Anusandhan (Deemed to be University),Department of EEE,Bhubaneswar,Odisha,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICSSIT  ページ： 273-278  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 太陽光発電のグリッド組込みは非線形性,不安定性を作り,不適切なエネルギー管理を必要とするが,それは依然として大きな太陽発電所を設置しながら挑戦的な状況である。したがって,太陽発電の予測は,適切な電力調整技術と管理を維持するために,異なる時間層において非常に不可欠である。本研究では,スマートで適格な予測モデルを実時間太陽光発電所に実装した。本研究では,新しい予測技術であるExtreme学習機械(ELM)を適用した。ELMの重みを一般的にランダムに選択した。予測モデルの性能も適切な重み選択に依存する。このように,調和探索最適化のような新しい最適化技術を適用して,最適化重みを選択した。予測モデルを,地理的位置がセクションIIの最後の部分に与えられるリアルタイム太陽発電所の歴史的データセットに関して実行した。ELMモデルを活性化して,フィードフォワードニューラルネットワークを反復的に移動させ,各ステップにおいてより良い予測誤差を達成した。ELMモデルと調和探索最適化ELMモデルを誤差計算のためにシミュレーションして,それらの結果を種々の測定指標の観点から比較して,それらの予測誤差を比較した。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： 電力制御 ,  エネルギー管理 ,  最適化 ,  *学習機械 ,  *電力 ,  太陽光発電 ,  予測モデル ,  予測技法 ,  *短期予測 ,  予測誤差 ,  地理学 ,  最適化手法 ,  不安定性 ,  *太陽 ,  非線形性

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 調和 ,  探索 ,  極端学習機械 ,  太陽 ,  短期予測