文献

J-GLOBAL ID：202202241971195346   整理番号：22A1048528

数値天気予報強化風力予測:ランクアンサンブルと確率的変動意識【JST・京大機械翻訳】

Numerical weather prediction enhanced wind power forecasting: Rank ensemble and probabilistic fluctuation awareness

著者 (8件)： Liu Chenyu (State Key Laboratory of Control and Simulation of Power Systems and Generation Equipment, Department of Electrical Engineering, Tsinghua University, Beijing, 100084, China) ,  Zhang Xuemin (State Key Laboratory of Control and Simulation of Power Systems and Generation Equipment, Department of Electrical Engineering, Tsinghua University, Beijing, 100084, China) ,  Mei Shengwei (State Key Laboratory of Control and Simulation of Power Systems and Generation Equipment, Department of Electrical Engineering, Tsinghua University, Beijing, 100084, China) ,  Zhen Zhao (State Key Laboratory of Control and Simulation of Power Systems and Generation Equipment, Department of Electrical Engineering, Tsinghua University, Beijing, 100084, China) ,  Zhen Zhao (Department of Electrical Engineering, North China Electric Power University, Baoding 071003, China) ,  Jia Mengshuo (Power System Laboratory, Department of Information Technology and Electrical Engineering, ETH Zuerich, 8092 Zuerich, Switzerland) ,  Li Zheng (China Huaneng Clean Energy Research Institute Technology Co., Ltd., 102209, Beijing, China) ,  Tang Haiyan (China Huaneng Clean Energy Research Institute Technology Co., Ltd., 102209, Beijing, China)
資料名： Applied Energy  (Applied Energy)
巻： 313  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： 数値気象予測(NWP)は,正確な風力予測(WPF)の鍵であり,それはNWP補正とシナリオ分割技術によって強化できる。しかし,一方では,既存のNWP補正技術は,後続のWPFを乱すアンサンブルNWPの揮発性を拡大する可能性がある。一方,既存のシナリオ分割技術は,NWPが全体的に信頼できると仮定して,変動シナリオにおける風力を正確に予測できない。したがって,本論文では,ランク集合と確率的変動認識に基づく新しいNWP強化WPF法を提案した。最初に,Rank Bayes Ensemble(RBE)法を定常NWPランクに基づいて意図し,安定かつ正確なアンサンブルNWPを生成した。第二に,変動シナリオ分割フレームワークを考案し,NWPの信頼性定量化による変動認識モデルを確立した。フレームワークは,変動同定と特徴埋込み(FIGE),Fluctutingマッピングアルゴリズム(FMA),および確率的変動警報(PFW)として,それぞれ,風変動事象の特性評価,マッチング,および推論を含む3段階方式で機能する。最後に,著者らは,超短期における予測方法における2つの強化技術を組み込んだ。4つのNWPソースデータを有する実世界ウィンドファームは,提案したWPF法の優位性とロバスト性を検証した。結果は,著者らの方法が,ベースラインモデルと比較して,2.16%~4.36%の4時間先根二乗平均誤差(RMSE)を減少できることを示した。一方,アンサンブルNWPの安定性と変動シナリオ分割の有効性についても論じた。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 ,  ゆらぎ ,  *数値予報 ,  *天気予報 ,  警報 ,  信頼性 ,  *予測 ,  揮発性 ,  *風力 ,  基準線 ,  キャラクタリゼーション ,  有効性 ,  ロバスト性 ,  ウインドファーム ,  認知モデル

著者キーワード (5件)： NWP強化 ,  マルチソースNWP ,  NWPランク ,  ゆらぎ同定とマッチング ,  確率的ゆらぎ意識

分類 (3件)： 風力発電  (NB03120Q) ,  エネルギーに関する技術・経済問題  (LA01050V) ,  電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (7件)： 数値天気予報 ,  強化 ,  風力 ,  予測 ,  アンサンブル ,  確率 ,  意識