文献

J-GLOBAL ID：202202281768289293   整理番号：22A0977616

短期風速予測のためのK形状クラスタリングと強化メモリにより支援された深い注意畳込みリカレントネットワーク【JST・京大機械翻訳】

A Deep Attention Convolutional Recurrent Network Assisted by K-Shape Clustering and Enhanced Memory for Short Term Wind Speed Predictions

著者 (2件)： Yang Luoxiao (School of Data Science, City University of Hong Kong, Hong Kong, China) ,  Zhang Zijun (School of Data Science, City University of Hong Kong, Hong Kong, China)
資料名： IEEE Transactions on Sustainable Energy  (IEEE Transactions on Sustainable Energy)
巻： 13  号： 2  ページ： 856-867  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： 今日の送電網における風力エネルギーの浸透の増加のため,正確な風速予測(WSP)は,風車を含む電力系統のより効率的で信頼性のある運転に重要である。本論文では,より正確な短期WSPのためのK-Shapeと強化メモリ(DACRN-KM)を有する新しい深い注意畳込み再帰ネットワークを提示した。ウィンドファームにわたって測定した風速間の空間時間情報を十分に捉えるために,DACRNをまず潜在表現を抽出するために開発した。次に,自動更新メモリモジュールを開発し,歴史的記録に基づく潜在表現を再構築した。K型クラスタリングアルゴリズムを適用して,再構成潜在表現のKパターンを導き,最終予測層(FPL)を開発し,Kパターンの一つに割り当てられた潜在表現に対するWSP結果を生成した。提案したDACRN-KMの有効性を,一般に考慮され,最近報告された方法のセットに対してベンチマークすることにより,複数のウィンドファームにおける25の風力タービン(WT)から収集したデータを用いて検証した。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： *記憶装置 ,  *畳込み ,  *風速 ,  信頼性 ,  *ネットワーク ,  送電系統 ,  電力系統 ,  *クラスタ化 ,  風車 ,  再構成 ,  ベンチマーク ,  ウインドファーム
準シソーラス用語： *リカレントニューラルネットワーク ,  クラスタリングアルゴリズム ,  *風速予測 , 【Automatic Indexing@JST】

分類 (1件)： 風力発電  (NB03120Q)

タイトルに関連する用語 (8件)： 短期 ,  風速予測 ,  クラスタリング ,  強化 ,  支援 ,  注意 ,  畳込み ,  リカレント