文献

J-GLOBAL ID：201602268103974620   整理番号：16A1066300

気象変数とクラスタリング手法に基づく分離風力発電とランプ予測【Powered by NICT】

Separate wind power and ramp predictions based on meteorological variables and clustering method

著者 (8件)： Yaqiong Li (State Grid Smart Grid Research Institute, Beijing, China) ,  Chaobo Dai (State Grid Smart Grid Research Institute, Beijing, China) ,  Tongxun Wang (State Grid Smart Grid Research Institute, Beijing, China) ,  Zhou Zhou (State Grid Smart Grid Research Institute, Beijing, China) ,  Shengjun Zhou (State Grid Smart Grid Research Institute, Beijing, China) ,  Linhai Cai (State Grid Smart Grid Research Institute, Beijing, China) ,  Musilek Petr (University of Alberta, Edmonton, Canada) ,  Lozowski Edward (University of Alberta, Edmonton, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICPS  ページ： 1-6  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 風力発電予測における最新研究の多くは,風力発電出力,風力ランプと呼ばれる大きな,突然変化を予測することに焦点を当てた。しかし,数値気象予測(NWP)モデルと機械学習法を組み合わせた,現在の風力電力予測方法論は,異なる気象条件における予測精度に限界がある。既存風力発電予測法に基づいて,本論文では,異なる気象レジームを解決する分離電力予測法を提案した。風力発電予測のためのフレームワークがまず構築されるが,これは入力として気象研究と予報モデル(WRF)モデルからの風予報を使用し,多層パーセプトロンニューラルネットワーク(MLP-NN)を用いた今後の風力発電への入力に変換する。比出力予測システムは,データの各サブセット,1時間ごとの風速変化,総観規模の大気循環型と気象変数のK-meansクラスタリングに基づいて分割で構築した。風力ランプ事象を予測したべき級数に基づいて同定した。実験により,この動的な気象は,風力発電と傾斜予測を困難にし一方安定した気象はより高い精度で予測を可能にし,提案した戦略は電力系統オペレータに天気型の情報を提供する,気象パターンの下で期待される対応する予測精度と共にできることを立証し,予測は,より低い精度を持つことを示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 風速 ,  *気象 ,  *風力 ,  予測技法 ,  総観規模 ,  予測モデル ,  気象条件 ,  *風力発電 ,  大気循環 ,  *風 ,  機械学習 ,  電力
準シソーラス用語： 予測システム ,  予測精度 ,  *気象変数 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 気象変数 ,  クラスタリング手法 ,  風力発電 ,  ランプ ,  予測