文献

J-GLOBAL ID：201702265856385674   整理番号：17A0292778

相互情報量属性分析と極端な学習機械による超短期風速予測【JST・京大機械翻訳】

Ultra-short-term wind speed forecasting based on mutual information attributes analysis and extreme learning machine

著者 (6件)： Huang Nantian (Department of Electrical Engineering, Northeast Dianli University) ,  Yuan Chong (Department of Electrical Engineering, Northeast Dianli University) ,  Wang Xinku (Dezhou Power supply Company, Shandong Power Company) ,  Zhang Jianye (Hebei Electric Power Transmission Company, Hebei Power Company) ,  Wang Wenting (Department of Electrical Engineering, Northeast Dianli University) ,  Wang Wenxia (Department of Electrical Engineering, Northeast Dianli University)
資料名： Diangong Dianneng Xinjishu  (Diangong Dianneng Xinjishu)
巻： 35  号： 10  ページ： 29-34  発行年： 2016年 
JST資料番号： C2503A  ISSN： 1003-3076  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 超短期風速予測は風力発電所の運転信頼性を保証し,電力システムの安全安定性を維持するために重要な意味を持ち,風速予測における異なる因子の風速に対する影響度が異なるという特徴に対して,相互情報量分析と極端な学習機械に基づく超短期風速予測方法を提案した。まず第一に,風速に関連する68種類の候補属性を選択し,風速に対する相互情報量を計算し,相互情報量に従って属性の風速への影響度を測定し,入力属性を選択した。次に,相互情報値によって属性重みを計算した。その後、重み付き処理後の属性値を用いて極端な学習機械を訓練し、風速予測モデルを構築した。最後に,新しいモデルを用いて,4時間以内の風速を予測した。北緯°と,°の米国の風力発電センターの測定データを用いて実験を行い,実験結果は,新しい方法が良好な予測精度を持ち,実際の風速予測の要求を満たすことができることを示した。Data from the ScienceChina, LCAS. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 信頼性 ,  アメリカ合衆国 ,  電力系統 ,  風力発電 ,  安全性 ,  風力発電所 ,  *風速 ,  *相互情報量
準シソーラス用語： 予測精度 ,  *風速予測 , 【Automatic Indexing@JST】

著者キーワード (4件)： wind forecasting ,  mutual information ,  extreme learning machine ,  forecasting accuracy

分類 (1件)： 風力エネルギー  (LB03060X)

タイトルに関連する用語 (6件)： 相互情報量 ,  属性 ,  分析 ,  極端な学習機械 ,  短期 ,  風速予測