文献

J-GLOBAL ID：202202230870209588   整理番号：22A0922612

確率的風力予測のための移動学習ベースの多層極端学習機械【JST・京大機械翻訳】

Transfer learning based multi-layer extreme learning machine for probabilistic wind power forecasting

著者 (2件)： Liu Yanli (Key Laboratory of Smart Grid of Ministry of Education, Tianjin University, Tianjin 300072, China) ,  Wang Junyi (Key Laboratory of Smart Grid of Ministry of Education, Tianjin University, Tianjin 300072, China)
資料名： Applied Energy  (Applied Energy)
巻： 312  ページ： Null  発行年： 2022年 
JST資料番号： A0097A  ISSN： 0306-2619  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 風力の浸透の増加とともに,確率的予測は,風力の不確実性を定量化し,電力系統運転をガイドするのに重要である。本論文では,転送学習に基づく確率的風力予測法を提案した。多層極端学習機械(MLELM)を構築するために,モデルベース転送学習を利用した。MLELMの出力マッピング因子を,分位評価指数を最小化する目的で,粒子群最適化(PSO)を通してさらに最適化した。結合分布適応(JDA)を利用して,可変風力出力を収容するためにMLELMの重みを更新した。中国における実際のウィンドファームに関する試験結果は,提案方法が,他の分位予測方法と比較して,より良い非線形フィッティング能力によって,より正確な分位予測結果を提供できることを示した。Copyright 2022 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： 予測技法 ,  最適化 ,  *学習 ,  不確実性 ,  予測 ,  *学習機械 ,  可変性 ,  *風力 ,  系統運用 ,  多層 ,  ウインドファーム
準シソーラス用語： 粒子群最適化 ,  モデルベース ,  転移学習 ,  *極度学習機械 , 【Automatic Indexing@JST】

著者キーワード (3件)： 極限学習機械 ,  確率的風力予測 ,  転移学習

分類 (1件)： 風力発電  (NB03120Q)

タイトルに関連する用語 (6件)： 確率 ,  風力 ,  予測 ,  学習 ,  多層 ,  極端学習機械