文献

J-GLOBAL ID：202202269247617179   整理番号：22A0968117

風力エネルギー予測へのCEEMDAN,SVD,PSOに基づくハイブリッドモデルの応用【JST・京大機械翻訳】

Application of hybrid model based on CEEMDAN, SVD, PSO to wind energy prediction

著者 (3件)： Zhang Yagang (State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, North China Electric Power University, Beijing, China) ,  Zhang Yagang (Interdisciplinary Mathematics Institute, University of South Carolina, Columbia, SC, USA) ,  Chen Yinchuan (State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, North China Electric Power University, Beijing, China)
資料名： Environmental Science and Pollution Research  (Environmental Science and Pollution Research)
巻： 29  号： 15  ページ： 22661-22674  発行年： 2022年 
JST資料番号： W4325A  ISSN： 0944-1344  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 近年,一連の環境問題が,温室効果,酸性雨,煙霧などの伝統的化石エネルギーの使用の下で,もう1つに来ている。環境問題を解決して,持続可能な開発を達成するために,代替資源の探索は,中国と世界の共同努力の方向になった。新しいエネルギーの重要な部分として,風力エネルギーは安定した電力を供給する点で強い風速予測支援を必要とする。その結果,風速予測の精度を改善することが重要である。これを考慮して,本論文では,特異値分解(SVD)と組み合わせた適応雑音(CEEMDAN)による完全アンサンブル経験的モード分解に基づく信号処理法を提案し,固有モード関数(IMF)を予測するために,粒子群最適化アルゴリズム(PSO)と自己回帰統合移動平均モデル(ARIMA)によって最適化したElmanニューラルネットワークを使用した。最初に,SVDと結合したCEEMDANを用いて,データを分解して雑音除去し,Elmanの重みと閾値をPSOによって最適化した。最後に,最適化ElmanとARIMAを用いて,処理風速データ成分をそれぞれ予測し,次に最終予測結果を得た。最終予測結果は,提案したモデルが風速予測の影響を改善し,予測誤差を低減し,風力発電所の安定運転と発電所のグリッド接続のための強いサポートを提供することを示した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  雑音 ,  *風速 ,  回帰分析 ,  電力 ,  発電所 ,  信号処理 ,  予測誤差 ,  持続可能な開発 ,  雑音除去 ,  風力発電所
準シソーラス用語： 粒子群最適化 ,  *ハイブリッドモデル ,  グリッド接続 ,  自己回帰 ,  風速予測 , 【Automatic Indexing@JST】

著者キーワード (5件)： 超短期予測 ,  風速 ,  粒子群最適化 ,  CEEMDAN ,  特異値分解

分類 (1件)： 風力発電  (NB03120Q)

タイトルに関連する用語 (5件)： 風力エネルギー ,  予測 ,  PSO ,  ハイブリッドモデル ,  応用