文献

J-GLOBAL ID：202002263805606918   整理番号：20A0971773

長期短期記憶ネットワークに基づく短期太陽光発電予測【JST・京大機械翻訳】

Short-Term Photovoltaic Power Forecast Based on Long Short-Term Memory Network

著者 (6件)： Shi Min (State Grid Hebei Electric Power Co. Ltd.,Shijiazhuang,China) ,  Xu Ke (Computer Network Information Center, University of Chinese Academy of Sciences,Beijing,China) ,  Wang Jue (Computer Network Information Center,Beijing,China) ,  Yin Rui (State Grid Hebei Electric Power Co. Ltd.,Shijiazhuang,China) ,  Wang Tieqiang (State Grid Hebei Electric Power Co. Ltd.,Shijiazhuang,China) ,  Yong Taiyou (Tianjin Hongyuan Huineng Technology Co. Ltd,Tianjin,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CIEEC  ページ： 2110-2116  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(PV)電力のランダム性と変動は電力系統運用に新しい挑戦をもたらす。正確なPV電力予測はシステムディスパッチに重要である。本論文は短期PV電力を予測するために長い短期メモリネットワーク(LSTM)を適用した。最初に,ピアソン相関解析を適用して,PV電力に影響する特徴を同定した。高い相関係数を持つ特徴をLSTM入力として選択した。次に,短期LSTM PV電力予測モデルを,異なる季節と気象タイプに従って確立した。事例研究は,中国北西部における実際のPVステーションのPVパワーと数値気象予測(NWP)を使用して実行した。得られた結果は,予測モデルが短期PV電力の予測精度を効果的に改善できることを示した。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： 天気予報 ,  電力 ,  *ネットワーク ,  気象 ,  相関係数 ,  *太陽光発電 ,  事例研究 ,  系統運用 ,  予測モデル
準シソーラス用語： 相関分析 ,  予測精度 ,  ランダム性 , 【Automatic Indexing@JST】

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)： 長期 ,  短期記憶 ,  短期 ,  太陽光発電 ,  予測