文献

J-GLOBAL ID：202202257814835363   整理番号：22A1086929

多時期および多空間規模太陽光発電予測法のレビュー【JST・京大機械翻訳】

A Review of Multitemporal and Multispatial Scales Photovoltaic Forecasting Methods

著者 (6件)： Liu Caicheng (College of Information Engineering, Nanchang University, Nanchang, China) ,  Li Ming (College of Information Engineering, Nanchang University, Nanchang, China) ,  Yu Yunjun (College of Information Engineering, Nanchang University, Nanchang, China) ,  Wu Ziyang (Samueli School of Engineering, Irvine, CA, USA) ,  Gong Hai (College of Information Engineering, Nanchang University, Nanchang, China) ,  Cheng Feier (College of Information Engineering, Nanchang University, Nanchang, China)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 35073-35093  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 信頼できる光起電力(PV)予測は,電力システム運用のための重要なデータサポートを提供することができ,それは,太陽エネルギー資源の大規模消費を実現するための鍵である。PV予測作業は,電力系統安定性と経済運用を確実にするのに重要である。本論文は,多時間規模と多空間スケールの観点から,PV予測方法の既存の研究をレビューした。最初に,予測プロセス,需要,時間的および空間的スケールに従って,予測方法を分類して,研究に含まれる評価指標をリストアップした。第2に,PV発電の時間規模に基づいて,結果は,超短期,短期および中期および長期予測の3種類のスケールを通して結合される。第3に,各種類の時間スケールで,結果を単一サイト予測と地域予測に細分し,詳細に分類する。最後に,予測結果を予測時間スケール,空間スケールおよび入力データに基づいて解析した。ほとんどの最近の論文は短期予測の重要性を強調する。機械学習法は短期予測において優れた非線形記述能力を示し,予測結果は満足すべきものであった。地域予測の空間平均効果は太陽エネルギーの変動性を低減し,予測結果は信頼できる。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  光起電力 ,  *予測 ,  *発電 ,  経済運用 ,  電力系統 ,  太陽エネルギー ,  *空間 ,  *太陽光発電 ,  系統安定度 ,  短期予測 ,  長期予測 ,  機械学習
準シソーラス用語： 評価指標 ,  入力データ , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 多時期 ,  規模 ,  太陽光発電 ,  予測法 ,  レビュー