文献
J-GLOBAL ID:202202268612137023   整理番号:22A0919684

カーネル密度推定法に基づく太陽光発電モジュールの出力分布モデリングの研究と異常同定におけるその応用【JST・京大機械翻訳】

Research on output distribution modeling of photovoltaic modules based on kernel density estimation method and its application in anomaly identification
著者 (8件):
資料名:
巻: 235  ページ: 1-11  発行年: 2022年 
JST資料番号: E0099A  ISSN: 0038-092X  CODEN: SRENA  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: イギリス (GBR)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
光起電力(PV)発電システムのコアとして,PVモジュールの安全で安定した運転が重要である。しかし,故障は,年間屋外曝露,発電効率の低下および安全ハザードの産出によってPVモジュールで頻繁に発生する。現在の故障検出方法は,主にPVアレイに焦点を合わせ,一方,モジュールレベルの故障検出方法は,通常,複雑性と精度の限界がある。PVモジュールセンサの実装はオンライン異常同定を可能にするが,PVモジュールの出力不確実性と不明瞭な分布特性は異常同定の困難さを引き起こした。解析出力分布特性に基づいて,新しいモジュールレベル異常同定法を提案した。最初に,出力指標を電流と電圧の強い変動を考慮して構築し,次に,新しく構築した出力指標の確率密度分布(PDD)モデルをカーネル密度推定(KDE)法を用いて構築した。モデリング結果は,正常と異常モジュールの間のPDD曲線が有意に異なり,PDD指標が差異を効果的に記述できることを示した。四分位法を用いてPDD指標の閾値を計算し,次に異常モジュールを検出した。本研究のコアイノベーションは,正常と異常PVモジュールの間のPDD特徴を明らかにし,特徴抽出法を設計し,異常モジュール同定にうまく適用し,事例研究は,提案方法が効果的であることを証明した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
太陽電池 

前のページに戻る