文献

J-GLOBAL ID：202102259138992545   整理番号：21A0163389

IFOA-BPニューラルネットワーク負荷予測に基づく再生可能エネルギーシステム【JST・京大機械翻訳】

Renewable energy system based on IFOA-BP neural network load forecast

著者 (5件)： Li Zheng (School of Electrical Engineering, Hebei University of Science and Technology, Shijiazhuang, 050018, China) ,  Qin Yan (School of Electrical Engineering, Hebei University of Science and Technology, Shijiazhuang, 050018, China) ,  Hou Shaodong (School of Electrical Engineering, Hebei University of Science and Technology, Shijiazhuang, 050018, China) ,  Zhang Rui (School of Electrical Engineering, Hebei University of Science and Technology, Shijiazhuang, 050018, China) ,  Sun Hexu (School of Electrical Engineering, Hebei University of Science and Technology, Shijiazhuang, 050018, China)
資料名： Energy Reports  (Energy Reports)
巻： 6  号： S9  ページ： 1585-1590  発行年： 2020年 
JST資料番号： W3058A  ISSN： 2352-4847  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 風力エネルギー利用と負荷予測の精度を改善するために,風力タービンモデルを確立し,パラメータを最適化した。改良果実フライ最適化アルゴリズム(IFOA-BP)に基づく逆伝搬ニューラルネットワークを負荷予測に適用した。最適化プロセスの間に,果実フライ最適化アルゴリズムが局所または全体的最適に陥るのが容易である最適化問題に照準を定めて,改良果実フライ最適化アルゴリズムを用いて,探索距離を最初に増加して,最初に,果実フライ最適化アルゴリズム母集団の多様性を改善し,次に,探索距離を減少して,その探索能力を強化した。用例として発電所の負荷データを取り上げて,アルゴリズムをシミュレートして,MATLAB/simulinkで分析した。シミュレーション結果は,アルゴリズムが風力エネルギーと負荷の予測精度を改善することができることを示した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. 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 ,  最適化問題 ,  発電所 ,  最適化手法 ,  *負荷予測 ,  *ニューラルネットワーク ,  風力発電 ,  風車 ,  太陽光発電 ,  風力エネルギー ,  母集団
準シソーラス用語： 予測精度 ,  逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 負荷予測 ,  風力発電 ,  太陽光発電 ,  ミバエ最適化アルゴリズムの改善

分類 (1件)： 風力発電  (NB03120Q)

タイトルに関連する用語 (3件)： BPニューラルネットワーク ,  負荷予測 ,  再生可能エネルギーシステム