文献

J-GLOBAL ID：202102256696192848   整理番号：21A0612224

日先短期太陽PV電力予測のためのKNNとSVMに基づく気象分類モデルに関する比較研究【JST・京大機械翻訳】

Comparative Study on KNN and SVM Based Weather Classification Models for Day Ahead Short Term Solar PV Power Forecasting

著者 (5件)： Wang Fei (State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University), Baoding 071003, China) ,  Wang Fei (Department of Electrical and Computer Engineering, University of Illinois at Urbana-Champaign, Urbana, IL 61801, USA) ,  Zhen Zhao (State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University), Baoding 071003, China) ,  Wang Bo (State Key Laboratory of Operation and Control of Renewable Energy & Storage Systems, China Electric Power Research Institute, Beijing 100192, China) ,  Mi Zengqiang (State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University), Baoding 071003, China)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 8  号： 1  ページ： 28  発行年： 2017年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 正確な太陽光発電(PV)電力予測は,太陽PV発電の高い浸透レベルを持つシステムにおけるPV出力の不確実性によって引き起こされるマイナス効果を緩和するための不可欠なツールである。気象分類ベースのモデリングは,PV出力電力が特定の時間周期における特定の気象条件に強く依存しているので,日先短期(DAST)太陽PV電力予測の精度を増加させる有効な方法である。しかし,毎日の気象分類の精度は,適用した分類器と訓練データの両方に依存する。本論文は,これらの2つの因子が分類性能にいかに影響するかを明らかにし,分類精度とサンプルデータセットスケール間の関係を描写することを目的とする。2つの一般的に用いられる分類方法,K-最近傍(KNN)とサポートベクトルマシン(SVM)を適用して,中国,内モンゴル,Hohhotのグリッド接続PVプラントからの運転データを用いて,DAST太陽PV電力予測のための毎日の局所気象タイプを分類した。SVMとKNN手法の性能を評価し,次に,毎日の気象分類結果に及ぼす種々のカテゴリーにおけるサンプルスケール,カテゴリーの数,およびデータ分布の影響を研究した。シミュレーション結果は,SVMが小さなサンプルスケールでよく機能し,一方,KNNは訓練データセットの長さに敏感であり,十分なサンプルでSVMより高い精度を達成できることを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  浸透 ,  *太陽 ,  *電力 ,  不確実性 ,  *気象 ,  発電 ,  気象条件 ,  太陽光発電 ,  サポートベクトルマシン
準シソーラス用語： 訓練データ ,  グリッド接続 ,  出力電力 ,  *分類モデル , 【Automatic Indexing@JST】

著者キーワード (5件)： 太陽PV電力予測 ,  天気分類 ,  サンプルスケール ,  SVM ,  KNN

分類 (1件)： 太陽光発電  (NB03090G)

引用文献 (62件)：

• Pandey, A.K.; Tyagi, V.V.; Selvaraj, J.A.; Rahim, N.A.; Tyagi, S.K. Recent advances in solar photovoltaic systems for emerging trends and advanced applications. Renew. Sustain. Energy Rev. 2016, 53, 859-884.
• Turkay, B.E.; Telli, A.Y. Economic analysis of standalone and grid connected hybrid energy systems. Renew. Energy 2011, 36, 1931-1943.
• International Energy Agency (IEA). IEA Energy Technology Perspectives 2014. International Energy Agency (IEA): Paris, France, 2014.
• International Energy Agency (IEA). Excerpt from Renewables Information, 2015 ed. International Energy Agency (IEA): Paris, France, 2015.
• International Energy Agency (IEA). Technology Roadmap, Solar Photovoltaic Energy, 2014 ed. International Energy Agency (IEA): Paris, France, 2014.

タイトルに関連する用語 (9件)： 短期 ,  太陽 ,  PV ,  予測 ,  KNN ,  SVM ,  気象 ,  分類モデル ,  研究