文献

J-GLOBAL ID：202202253992153991   整理番号：22A0750770

DE-BPニューラルネットワークに基づく風力発電予測法【JST・京大機械翻訳】

A Wind Power Prediction Method Based on DE-BP Neural Network

著者 (5件)： Li Ning (School of Electrical Engineering, Xi’an University of Technology, Xi’an, China) ,  Wang Yelin (School of Electrical Engineering, Xi’an University of Technology, Xi’an, China) ,  Ma Wentao (School of Electrical Engineering, Xi’an University of Technology, Xi’an, China) ,  Xiao Zihan (School of Electrical Engineering, Xi’an University of Technology, Xi’an, China) ,  An Zhuoer (School of Electrical Engineering, Xi’an University of Technology, Xi’an, China)
資料名： Frontiers in Energy Research (Web)  (Frontiers in Energy Research (Web))
巻： 10  ページ： 844111  発行年： 2022年 
JST資料番号： U7069A  ISSN： 2296-598X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 風力の設置容量の連続的増加によって,送電網に及ぼす大規模な風力統合の影響は,ますます明らかになってきた。超短期風力予測は送電網のディスパッチング管理に役立ち,電力系統の運転効率と経済性を改善する。風力発電の間欠性と不確実性を克服するために,本論文は,風力を予測する微分進化バック伝搬(DE-BP)アルゴリズムを提案して,BPニューラルネットワークのそのような欠点を,予測するとき,局所最適性と遅い訓練速度に落下する。本論文では,DEアルゴリズムを用いて,BPニューラルネットワークの初期重みと閾値の最適値を見出し,DE-BPニューラルネットワーク予測モデルを得た。北西中国のウインドファームのデータに従って,短期風力を予測した。風力予測におけるBPモデルの適用と比較して,結果は,DE-BPアルゴリズムの精度が約5%改善されることを示した。遺伝的アルゴリズム-BPモデルと比較して,予測時間は23.1%短縮した。Copyright 2022 The Author(s) 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 ,  アルゴリズム ,  ディスパッチング ,  不確実性 ,  送電系統 ,  *ニューラルネットワーク ,  *風力発電 ,  モデル ,  *風力 ,  ウインドファーム ,  遺伝的アルゴリズム ,  予測モデル
準シソーラス用語： *逆伝播ニューラルネットワーク ,  最適値 ,  微分進化 , 【Automatic Indexing@JST】

著者キーワード (5件)： 微分進化アルゴリズム ,  風力予測 ,  BPニューラルネットワーク ,  予測時間 ,  精度

分類 (1件)： 風力発電  (NB03120Q)

引用文献 (35件)：

• AgarwalP., ShuklaP., SahayK. B. (2018). “"A Review on Different Methods of Wind Power Forecasting,"” in Proceeding of the 2018 International Electrical Engineering Congress (iEECON), Krabi, Thailand, 7-9 March 2018 (IEEE), 1-4. doi: 10.1109/IEECON.2018.8712262
• BabazadehH., GaoW., ChengL., LinJ. (2012). “"An Hour Ahead Wind Speed Prediction by Kalman Filter,"” in Proceeding of the 2012 IEEE Power Electronics and Machines in Wind Applications, Denver, CO, USA, 16-18 July 2012 (IEEE), 1-6. doi: 10.1109/IEECON.2018.8712262
• BhaskarK., SinghS. N. (2012). Awnn-assisted Wind Power Forecasting Using Feed-Forward Neural Network. IEEE Trans. Sustain. Energ. 3, 306-315. doi: 10.1109/tste.2011.2182215
• BodenhoferU. (2003). “"Genetic Algorithms: Theory and Applications,"” in Lecture Notes, Fuzzy Logic Laboratorium Linz-Hagenberg, Winter 2004. doi: 10.1109/tste.2011.2182215
• CatalaoJ. P. S., PousinhoH. M. I., MendesV. M. F. (2009). “"An Artificial Neural Network Approach for Short-Term Wind Power Forecasting in portugal,"” in Proceeding of the 2009 15th International Conference on Intelligent System Applications to Power Systems, Curitiba, Brazil, 8-12 Nov. 2009 (IEEE), 1-5. doi: 10.1109/ISAP.2009.5352853

タイトルに関連する用語 (3件)： BPニューラルネットワーク ,  風力発電 ,  予測法