文献

J-GLOBAL ID：202002283314223123   整理番号：20A0971647

Chaos理論とABC最適化RBFニューラルネットワークに基づく風力の超短期予測【JST・京大機械翻訳】

Ultra-Short-Term Prediction of Wind Power Based on Chaos Theory and ABC Optimized RBF Neural Network

著者 (4件)： Cui Yang (Ministry of Education (Northeast Electric Power University),Key Laboratory of Modern Power System Simulation and Control & Renewable Energy Technology,Ji Lin,China) ,  Yan Shi (Ministry of Education (Northeast Electric Power University),Key Laboratory of Modern Power System Simulation and Control & Renewable Energy Technology,Ji Lin,China) ,  Zhang Huiquan (Ministry of Education (Northeast Electric Power University),Key Laboratory of Modern Power System Simulation and Control & Renewable Energy Technology,Ji Lin,China) ,  Huang Siyu (Ministry of Education (Northeast Electric Power University),Key Laboratory of Modern Power System Simulation and Control & Renewable Energy Technology,Ji Lin,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： CIEEC  ページ： 1422-1427  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： 風力エネルギーは強いランダム性と揮発性を有し,風力発電の予測精度を低くする。風力発電の超短期間予測の精度とロバスト性を改良する試みにおいて,RBFニューラルネットワークを最適化するためにカオス理論と人工ミツバチコロニー(ABC)アルゴリズムを結合する超短期間における風力予測方法を本論文において研究した。最初に,カオス理論に基づいて,最も高い相関による歴史的風力データを見つけて,それは相空間再構成の後,RBFニューラルネットワークトレーニングのために使用した。次に,最適化されたニューラルネットワークモデルを構築するために,多重反復を通して最適RBFニューラルネットワークパラメータを解くために,人工ミツバチコロニーアルゴリズムを用いた。最後に,予測モデルとデータノイズの不確実性を考慮して,予測結果は間隔であり,予測結果のロバスト性は,対応する間隔の信頼性を計算することによって評価した。用例の結果は,本論文で提案した方法が良い精度とロバスト性を有することを示した。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： 予測技法 ,  アルゴリズム ,  *最適化 ,  雑音 ,  不確実性 ,  風力発電 ,  多重化 ,  *風力 ,  *短期予測 ,  ロバスト性 ,  予測モデル
準シソーラス用語： 神経回路網モデル ,  予測精度 ,  *動径基底関数ニューラルネットワーク ,  カオス理論 , 【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)： 理論 ,  ABC ,  最適化 ,  RBFニューラルネットワーク ,  風力 ,  短期予測