文献

J-GLOBAL ID：202002275831642157   整理番号：20A0818707

風力タービン発電の予測に関する異なる機械学習アルゴリズムの性能比較【JST・京大機械翻訳】

Performance Comparison of Different Machine Learning Algorithms on the Prediction of Wind Turbine Power Generation

著者 (4件)： Eyecioglu Onder (Faculty of Engineering and Architecture, Nisantasi University,Department of Computer Engineering,Istanbul,Turkey) ,  Hangun Batuhan (Faculty of Engineering and Architecture, Nisantasi University,Department of Electrical and Electronics Engineering,Istanbul,Turkey) ,  Kayisli Korhan (Faculty of Engineering and Architecture, Nisantasi University,Department of Electrical and Electronics Engineering,Istanbul,Turkey) ,  Yesilbudak Mehmet (Faculty of Engineering and Architecture, Nevsehir Haci Bektas Veli University,Department of Electrical and Electronics Engineering,Nevsehir,Turkey)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICRERA  ページ： 922-926  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： 過去10年間,風力エネルギーは世界でより多くの注目を集めてきた。しかし,その不方向性と揮発性特性のために,風力浸透は電力系統の配分と計画における困難さと複雑さを増加させた。したがって,電力をバランスさせるために高精度風力予測を行う必要がある。この目的のために,本研究では,線形回帰,k-最近傍回帰および決定木回帰アルゴリズムの予測性能を詳細に比較した。k-最近傍回帰アルゴリズムは決定値のより低い係数を提供し,一方,決定木回帰アルゴリズムはより低い平均絶対誤差値を生成した。さらに,風速,風向,気圧および気温の気象パラメータを,風力パラメータに対するそれらの重要性に関して評価した。最も重要な因子は風速パラメータによって達成される。結果として,風力予測のための多くの有用な評価を行った。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： 電力系統 ,  *風力 ,  *アルゴリズム ,  揮発性 ,  *風車 ,  電力 ,  ディシジョンツリー ,  風力エネルギー ,  風向 ,  気温 ,  風速 ,  *発電 ,  *学習アルゴリズム ,  浸透
準シソーラス用語： 線形回帰 , 【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 (6件)： 風力タービン ,  発電 ,  予測 ,  機械学習 ,  アルゴリズム ,  性能比較