文献

J-GLOBAL ID：202202265034226435   整理番号：22A0977643

特徴クラスタリングとハイブリッド分類回帰予測に基づく新しい太陽電力予測法【JST・京大機械翻訳】

A New Solar Power Prediction Method Based on Feature Clustering and Hybrid-Classification-Regression Forecasting

著者 (2件)： Nejati Maryam (Department of Electrical and Computer Engineering, Semnan University, Semnan, Iran) ,  Amjady Nima (Department of Electrical and Computer Engineering, Semnan University, Semnan, Iran)
資料名： IEEE Transactions on Sustainable Energy  (IEEE Transactions on Sustainable Energy)
巻： 13  号： 2  ページ： 1188-1198  発行年： 2022年 
JST資料番号： W2291A  ISSN： 1949-3029  CODEN： ITSEAJ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 太陽発電システムは規模と数に関して世界的に拡大しており,これは太陽電力予測の重要性を強調する。本論文では,1日先の太陽電力予測法を,1)関連性と冗長性基準に基づく新規な特徴選択/クラスタリングアプローチ,2)革新的ハイブリッド分類回帰予測エンジン,を含めて提案した。提案した特徴選択/クラスタリング手法は,特徴の冗長性を低減するために,2つの別々の部分集合に適切な特徴を分割し,関連特徴を分割する。これら2つのサブセットの各々を1つの予測エンジンによって別々に訓練し,提案した方法の最終太陽電力予測を,これらの2つの予測のレバタンシーベース組合せによって得た。提案した予測エンジンは,その構成回帰モデルの学習可能性に基づく歴史的データを分類し,訓練サンプルの各クラスを1つの回帰モデルに割り当てた。各回帰モデルは,そのクラスに属する試験試料の出力を予測する。提案した太陽電力予測法の有効性を,2つの実世界ソーラファームの試験によって例証した。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 ,  *太陽 ,  冗長性 ,  *電力 ,  *クラスタ化 ,  特徴選択 ,  回帰モデル ,  有効性
準シソーラス用語： 太陽光発電システム ,  クラスタリング法 , 【Automatic Indexing@JST】

分類 (1件)： 風力発電  (NB03120Q)

タイトルに関連する用語 (5件)： クラスタリング ,  分類 ,  予測 ,  太陽 ,  予測法