文献

J-GLOBAL ID：202102278127463410   整理番号：21A0989494

風力発電を予測するための種々のモデル:事例研究【JST・京大機械翻訳】

Different Models for Forecasting Wind Power Generation: Case Study

著者 (6件)： Alencar David Barbosa de (Department of Electrical Engineering, Federal University of Para-UFPA, Belem 66075-110, Brazil) ,  Affonso Carolina De Mattos (Department of Electrical Engineering, Federal University of Para-UFPA, Belem 66075-110, Brazil) ,  Oliveira Roberto Celio Limao de (Department of Electrical Engineering, Federal University of Para-UFPA, Belem 66075-110, Brazil) ,  Rodriguez Jorge Laureano Moya (Department of Industrial Engineering, Universidade Federal da Bahia, Salvador 40170-115, Brazil) ,  Leite Jandecy Cabral (Department of Research, Institute of Technology and Education Galileo of Amazon-ITEGAM, Manaus 69020-030, Brazil) ,  Filho Jose Carlos Reston (Department of Postgraduate Curses, IDAAM., Manaus 69055-038, Brazil)
資料名： Energies (Web)  (Energies (Web))
巻： 10  号： 12  ページ： 1976  発行年： 2017年12月 
JST資料番号： U7016A  ISSN： 1996-1073  CODEN： ENERGA  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： 風力タービンによる電気エネルギーの発生は,発電の実際的に不安定な代替の1つである。クリーンエネルギー源と考えられているが,発電における均一性を確実にする科学と技術の発展には多くの研究が必要であり,これは,風速が速度,密度および他の重要な変数に急激な変動を示すので,エネルギーマトリックスにおけるこの源のより大きな関与を提供する。風力ベース電気システムでは,次世代の発電ユニットと電気システムの制御における関連情報である次の期間に対するエネルギーの利用可能性を評価するために,風力挙動の将来価値を前進させるのに少なくとも1日を予測することが必須である。本論文では,人工ニューラルネットワークモデル,自己回帰統合移動平均(ARIMA)およびウェーブレットを用いた予測を含むハイブリッドモデルを用い,計算知能技術に基づいて,風速の超短,中および長期予測モデルを開発した。方法論の適用のために,2004年1月1日から2017年3月31日まで,環境データ(SONDA)の国家組織システムのデータベースの気象変数を用いた。異なる使用手法による結果の比較も行い,ある種類の風力発電機を用いて電力とエネルギー発生の可能性も予測した。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： 風速 ,  データベース ,  電力 ,  発電設備 ,  *風力発電 ,  波束 ,  風車 ,  人工知能 ,  *風力 ,  *事例研究 ,  長期予測
準シソーラス用語： ハイブリッドモデル ,  風力発電機 ,  電気エネルギー ,  自己回帰 , 【Automatic Indexing@JST】

著者キーワード (6件)： 風力発電 ,  風速 ,  時系列 ,  ARIMA ,  予測 ,  ウェーブレット

分類 (1件)： 風力発電  (NB03120Q)

引用文献 (53件)：

• Nagababu, G.; Simha, R.R.; Naidu, N.K.; Kachhwaha, S.S.; Savsani, V. Application of OSCAT satellite data for offshore wind power potential assessment of India. Energy Procedia 2016, 90, 89-98.
• Gao, X.; Yang, H.; Lu, L. Study on offshore wind power potential and wind farm optimization in Hong Kong. Appl. Energy 2014, 130, 519-531.
• Adaramola, M.S.; Agelin-Chaab, M.; Paul, S.S. Assessment of wind power generation along the coast of Ghana. Energy Convers. Manag. 2014, 77, 61-69.
• Kaplan, Y.A. Overview of wind energy in the world and assessment of current wind energy policies in Turkey. Renew. Sustain. Energy Rev. 2015, 43, 562-568.
• GWEC. Strong Outlook for Wind Power. 2017. Available online: http://www.gwec.net/global-figures/graphs/ (accessed on 2 June 2017).

タイトルに関連する用語 (4件)： 風力発電 ,  予測 ,  モデル ,  研究