文献

J-GLOBAL ID：202202243591826453   整理番号：22A0497258

グリッド接続半透明太陽光発電システムの人工ニューラルネットワークベース出力電力予測【JST・京大機械翻訳】

Artificial neural network-based output power prediction of grid-connected semitransparent photovoltaic system

著者 (4件)： Kumar Pitchai Marish (Department of Electrical and Electronics Engineering, Easwari Engineering College, Chennai, Tamilnadu, India) ,  Saravanakumar Rengaraj (Department of Wireless Communication, Institute of ECE, Saveetha School of Engineering, Saveetha Institute of Medical and Technical Sciences, Chennai, India) ,  Karthick Alagar (Renewable Energy Lab, Department of Electrical and Electronics Engineering, KPR Institute of Engineering and Technology, Coimbatore, Tamilnadu, India) ,  Mohanavel Vinayagam (Centre for Materials Engineering and Regenerative Medicine, Bharath Institute of Higher Education and Research, Chennai, Tamilnadu, India)
資料名： Environmental Science and Pollution Research  (Environmental Science and Pollution Research)
巻： 29  号： 7  ページ： 10173-10182  発行年： 2022年 
JST資料番号： W4325A  ISSN： 0944-1344  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 太陽光発電システムは,新興の再生可能エネルギー資源である。太陽光起電力システムの性能を歴史的実験データセットに基づいて予測した。本研究では,STPVシステムの出力電力予測のための実時間予測モデルを開発した。気候条件が暑く湿潤であるKovilpatti地域について,半透明太陽光発電システムの性能を予測した。短期電力を1時間,1日,週平均で予測した。STPVシステムの出力電力の予測のために選択した特徴は,Kovilpatti地域の日射,周囲温度,風速から成る。結果は,1時間,1日,および週毎電力の出力予測がRの相関係数の非常に高い値を有することを明らかにした。最終モデルは正確な予測を生み出し,ELMANでは0.25,FFNでは0.30,GRNでは0.426であった。訓練アルゴリズムのこれらの特徴は,モデルがシミュレーションにおけるモデルの位置または構成に依存しないことを示した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 光起電力 ,  *太陽 ,  風速 ,  *電力 ,  *ニューラルネットワーク ,  相関係数 ,  湿潤 ,  気象条件 ,  日射 ,  *太陽光発電 ,  学習アルゴリズム ,  予測モデル
準シソーラス用語： *太陽光発電システム ,  *グリッド接続 ,  *出力電力 , 【Automatic Indexing@JST】

著者キーワード (5件)： STPV ,  ANN ,  予測 ,  太陽光発電 ,  ELMAN

分類 (1件)： 太陽光発電  (NB03090G)

タイトルに関連する用語 (6件)： グリッド接続 ,  半透明 ,  太陽光発電システム ,  人工ニューラルネットワーク ,  出力電力 ,  予測