文献

J-GLOBAL ID：202102255752200026   整理番号：21A0430060

トンボアルゴリズムによるLSTMニューラルネットワークに基づく風力短期予測【JST・京大機械翻訳】

Wind Power Short-Term Forecasting Based on LSTM Neural Network With Dragonfly Algorithm

著者 (4件)： Liu Hui (Hubei Key Laboratory for High-efficiency Utilization of Solar Energy and Operation Control of Energy Storage System, Hubei University of Technology, Wuhan, 430068, P. R. China) ,  Chen Dihuang (Hubei Key Laboratory for High-efficiency Utilization of Solar Energy and Operation Control of Energy Storage System, Hubei University of Technology, Wuhan, 430068, P. R. China) ,  Lin Fang (Hubei Key Laboratory for High-efficiency Utilization of Solar Energy and Operation Control of Energy Storage System, Hubei University of Technology, Wuhan, 430068, P. R. China) ,  Wan Zhouli (Hubei Key Laboratory for High-efficiency Utilization of Solar Energy and Operation Control of Energy Storage System, Hubei University of Technology, Wuhan, 430068, P. R. China)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1748  号： 3  ページ： 032015 (10pp)  発行年： 2021年 
JST資料番号： W5565A  ISSN： 1742-6588  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： 風力エネルギーの揮発性とランダム性は,電力系統における大規模利用を制限する。正確な短期風力予測は,グリッドにおける風力エネルギー並列の実効基準を提供し,風力エネルギーの商業利用のための好ましい条件を提供する。したがって,本論文は,長期と短期のニューラルネットワークを最適化できるトンボーンアルゴリズムに基づく短期風力予測モデルを提案した。最初に,モデルは収集したデータを前処理して,訓練セットと試験セットにデータを分割する。次に,DAは,長期および短期記憶ニューラルネットワークにおける関連ハイパーパラメータを最適化するために訓練セットを使用した。最後に,優れたハイパーパラメータで構築したDA-LSTM予測モデルは,予測結果を得るために試験セットを使用する。用例のシミュレーション結果は,GWO-BP,ELM,およびLSTMモデルと比較して,DA-LSTMモデルが,風力の短期予測のために時系列データを効果的に使用することができ,より高い予測精度を有することを示した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  最適化 ,  シミュレーション ,  計算機シミュレーション ,  前処理 ,  電力系統 ,  *ニューラルネットワーク ,  揮発性 ,  *風力 ,  風力エネルギー ,  *短期予測 ,  予測モデル
準シソーラス用語： 時系列データ ,  予測精度 ,  ランダム性 ,  ハイパーパラメータ , 【Automatic Indexing@JST】

分類 (1件)： 風力発電  (NB03120Q)

タイトルに関連する用語 (6件)： トンボ ,  アルゴリズム ,  LSTM ,  ニューラルネットワーク ,  風力 ,  短期予測