訓練相のない全天日射時系列のための予測法:他のよく知られた予測方法論との比較【Powered by NICT】

Voyant Cyril; Voyant Cyril; Motte Fabrice; Fouilloy Alexis; Notton Gilles; Paoli Christophe; Paoli Christophe; Nivet Marie-Laure

文献

J-GLOBAL ID：201702221571475877 整理番号：17A0472149

訓練相のない全天日射時系列のための予測法:他のよく知られた予測方法論との比較【Powered by NICT】

Forecasting method for global radiation time series without training phase: Comparison with other well-known prediction methodologies

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=17A0472149&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=17A0472149&from=J-GLOBAL&jstjournalNo=H0631A") }}

著者 (8件)： , , , , , , ,
資料名：
巻： 120 ページ： 199-208 発行年： 2017年
JST資料番号： H0631A ISSN： 0360-5442 CODEN： ENEYDS 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)

予測不可能な再生可能エネルギー源の統合電気回路網には間欠的で予測不可能な性質のためにグリッド管理の複雑性を強化した。太陽発電の強い増加のために太陽収率の予測はますます重要になっている。電気演算子は将来の生産の推定を必要とする。ナウキャスティングと短期予測のために,機械学習に基づく通常の技術は,予測器の訓練フェーズ中に良好な品質の大きな歴史的データセットを必要とする。しかしデータは常に利用可能ではなく,気象観測所の高度維持管理を誘導し,貧弱な計装または孤立サイトの適用法。本研究では,Kalmanフィルタ使用(線形二次推定としても知られている)に基づく直感的方法論を提案し,歴史的データを必要とせずに全天日射時系列を予測することができた。これらの方法の精度は,他の古典的なデータ駆動法と比較して,予測と時間ステップの異なる層である。提案した方法は,予測を準系統的に改善を可能にする興味ある能力を示した。一~十時間層位ではKalmanモデル性能は一貫した歴史的データセットと計算資源の双方を必要とするANNのようなより洗練されたモデルと比較して競争力がある。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

放射,大気光学 , 太陽エネルギー

, , , ,

前のページに戻る