文献

J-GLOBAL ID：202202243297518503   整理番号：22A1093971

CEEMDとWOA-KELMに基づく短期風力予測モデル【JST・京大機械翻訳】

A short-term wind power prediction model based on CEEMD and WOA-KELM

著者 (5件)： Ding Yunfei (School of Electrical Engineering, Shanghai Dianji University, 300 Shuihua Road, Pudong New Area District, Shanghai, 201306, PR China) ,  Chen Zijun (CHN ENERGY Zhishen Control Technology Co., Ltd, Building 307, 9 Yingcai North Second Street, Changping District, Beijing, 102200, PR China) ,  Zhang Hongwei (Department of Engineering and Mathematics, Sheffield Hallam University, City Campus, Howard Street, Sheffield, S1 1WB, UK) ,  Wang Xin (School of Electrical Engineering, Shanghai Dianji University, 300 Shuihua Road, Pudong New Area District, Shanghai, 201306, PR China) ,  Guo Ying (School of Business, Shanghai Dianji University, 300 Shuihua Road, Pudong New Area District, Shanghai, 201306, PR China)
資料名： Renewable Energy  (Renewable Energy)
巻： 189  ページ： 188-198  発行年： 2022年 
JST資料番号： A0124C  ISSN： 0960-1481  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 効果的な短期風力予測は,電力系統の最適配分,システム安定性,および運用コスト制御に重要である。風力時系列信号の間欠性と変動特性を取り扱うために,短期風力を予測するために,補足的アンサンブル経験的モード分解(CEEMD)とWhale最適化アルゴリズム(WOA)-Kernel極値学習機械(KELM)に基づいて,ハイブリッド予測モデルを提案した。最初に,非定常風力発電時系列を,CEEMDによって一連の比較的静止した成分に分解した。次に,構成要素をKELM予測モデルのための訓練セットとして用いて,初期値と閾値をWOAによって最適化した。最後に,各成分の予測出力値を重ね合わせ,風力値の最終予測を得た。実験結果は,提案した予測方法が小さな再構成誤差で予測の複雑性を減らすことができることを示した。さらに,性能は,他のベンチマークモデルより低い計算コストで,予測精度と安定性の点で,より大きい。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 ,  最適化手法 ,  電力系統 ,  学習機械 ,  風力発電 ,  操業費 ,  *モデル ,  *風力 ,  ベンチマーク ,  *予測モデル
準シソーラス用語： 予測精度 ,  計算コスト ,  最適配置 , 【Automatic Indexing@JST】

著者キーワード (5件)： 短期風力予測 ,  CEEMD ,  KELM ,  WOA ,  ハイブリッドモデル

分類 (1件)： 風力発電  (NB03120Q)

タイトルに関連する用語 (3件)： 短期 ,  風力 ,  予測モデル