文献

J-GLOBAL ID：202202251120260776   整理番号：22A0323816

深層学習ニューラルネットワークによるウェーブレットベース時間-周波数解析の組立てによる時間内太陽光発電エネルギーの予測【JST・京大機械翻訳】

Forecasting intra-hour solar photovoltaic energy by assembling wavelet based time-frequency analysis with deep learning neural networks

著者 (8件)： Rodriguez Fermin (Ceit-Basque Research and Technology Alliance (BRTA), Manuel Lardizabal 15, 20018 Donostia/San Sebastian, Spain) ,  Rodriguez Fermin (Universidad de Navarra, Tecnun, Manuel Lardizabal 13, 20018 Donostia/San Sebastian, Spain) ,  Azcarate Inigo (Ceit-Basque Research and Technology Alliance (BRTA), Manuel Lardizabal 15, 20018 Donostia/San Sebastian, Spain) ,  Azcarate Inigo (Universidad de Navarra, Tecnun, Manuel Lardizabal 13, 20018 Donostia/San Sebastian, Spain) ,  Vadillo Javier (Ceit-Basque Research and Technology Alliance (BRTA), Manuel Lardizabal 15, 20018 Donostia/San Sebastian, Spain) ,  Vadillo Javier (Universidad de Navarra, Tecnun, Manuel Lardizabal 13, 20018 Donostia/San Sebastian, Spain) ,  Galarza Ainhoa (Ceit-Basque Research and Technology Alliance (BRTA), Manuel Lardizabal 15, 20018 Donostia/San Sebastian, Spain) ,  Galarza Ainhoa (Universidad de Navarra, Tecnun, Manuel Lardizabal 13, 20018 Donostia/San Sebastian, Spain)
資料名： International Journal of Electrical Power & Energy Systems  (International Journal of Electrical Power & Energy Systems)
巻： 137  ページ： Null  発行年： 2022年 
JST資料番号： A0596B  ISSN： 0142-0615  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： 近い将来の化石燃料の期待不足と,環境排出,再生可能エネルギー発生,および特に太陽電池発電の結果としての温室効果によって生じる気候変動が,現在のエネルギー発生課題に関連づけられている。光起電力発電機は,エネルギー発生プロセスにおける太陽照射と屋外温度に強い関係がある。これらの気象パラメータは,本質的に揮発性で不確実であり,これらのパラメータに関する予想外の変化は,太陽光起電力発電機の発電出力に変化を生じる。多くの研究者が,太陽光発電における気象パラメータを含む予測のための新しいモデルの開発に関して近年焦点が集まっているが,それらは,開発モデルにそれを使用する前に,データの分析段階を一般的に考慮していない。したがって,本研究の目的は,太陽光起電力発電を計算するために,次の10分で太陽照射を予測するために,深層学習ニューラルネットワークを用いて,使用したデータのウェーブレットベース時間周波数解析を構築することにある。検証段階の結果は,提案した予測器の偏差が,研究した試料日の90.60%で4%未満であることを示した。最終的な予測器の根二乗平均誤差は35.77W/m2であり,これは持続性ベンチマークモデルと比較して37.52%の精度改善であった。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： 光起電力 ,  *太陽 ,  太陽電池 ,  不確実性 ,  照射 ,  *発電 ,  *ニューラルネットワーク ,  気候変動 ,  *太陽光 ,  *周波数解析 ,  化石燃料 ,  *太陽光発電
準シソーラス用語： 発電出力 ,  気象パラメータ ,  太陽照射 , 【Automatic Indexing@JST】

著者キーワード (5件)： 太陽光発電 ,  太陽光照射 ,  時間-周波数解析 ,  人工知能 ,  時間内予測

分類 (1件)： 太陽光発電  (NB03090G)

タイトルに関連する用語 (7件)： 深層学習 ,  ニューラルネットワーク ,  ウェーブレット ,  時間-周波数解析 ,  組立て ,  太陽光発電エネルギー ,  予測