文献

J-GLOBAL ID：202202277200102651   整理番号：22A0780523

強化された日向PV電力予測のための新しい確率的アンサンブル法【JST・京大機械翻訳】

A New Probabilistic Ensemble Method for an Enhanced Day-Ahead PV Power Forecast

著者 (4件)： Pretto Silvia (Dipartimento di Energia, Politecnico di Milano, Milano, Italy) ,  Ogliari Emanuele (Dipartimento di Energia, Politecnico di Milano, Milano, Italy) ,  Niccolai Alessandro (Dipartimento di Energia, Politecnico di Milano, Milano, Italy) ,  Nespoli Alfredo (Dipartimento di Energia, Politecnico di Milano, Milano, Italy)
資料名： IEEE Journal of Photovoltaics  (IEEE Journal of Photovoltaics)
巻： 12  号： 2  ページ： 581-588  発行年： 2022年 
JST資料番号： W2305A  ISSN： 2156-3381  CODEN： IJPEG8  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： 非プログラマブル再生エネルギー源,すなわち風力と太陽技術の普及は,ここ10年間で大きく増加し,今日,グリーンエネルギー源へのシフトは世界的に優先事項である。一次源の高い変動性は,電力系統の安定性と信頼性を確実にする際に,グリッドオペレータに挑戦する。機械学習アルゴリズム,特に人工ニューラルネットワークは,太陽光発電(PV)エネルギー生産予測のための最も信頼できる方法の1つである。本論文では,試行の確率的分布,確率的アンサンブル法(PEM)に基づく新しいアンサンブル法を提案した。提案した方法を3年間の実際の事例研究で試験し,利用可能な日を太陽照射予測に従ってクラスタ化した。nRMSEに関して最悪の性能が記録された日は,主に全曇りの日クラスに属し,従って分析に選んだ。PEMを平均値に基づくアンサンブルと比較し,完全に曇った日クラスで2017年に4.79%までのnRMSE計量の改善を達成した。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： 太陽 ,  信頼性 ,  *電力 ,  オペレータ ,  電力系統 ,  ニューラルネットワーク ,  クラスタ化 ,  太陽光発電 ,  風力 ,  事例研究 ,  学習アルゴリズム
準シソーラス用語： グリーンエネルギー ,  曇天 ,  再生可能エネルギー源 ,  太陽照射 , 【Automatic Indexing@JST】

分類 (2件)： 太陽光発電  (NB03090G) ,  太陽電池  (NC03084O)

タイトルに関連する用語 (6件)： 強化 ,  日向 ,  PV ,  予測 ,  確率 ,  アンサンブル法