| *商品について |
|
表紙はついていません（本文のみ中綴じ製本です）。
号単位でも購入できます。
すべてモノクロ印刷です。
Extended Summaryはついていません。
|
 |
| ・会員価格 ¥550 |
| ・一般価格 ¥770 |
|
|
| こちらはBookPark「電気学会 電子図書館（IEEJ Electronic Library）」による文献紹介ページです。 |
|
 |
 |
電気学会会員の方はこちらから一旦ログインのうえ、マイページからお入りください。
会員価格で購入することができます。
|
|
| 非会員の方はログインの必要はありません。このまま お進みください。 |
|
|
| ■論文No. |
|
| ■ページ数 |
8ページ |
■発行日
|
2020/02/01 |
| ■タイトル |
SS-PPBSOによる学習を用いた深層ボルツマンマシンによる太陽光発電出力予測 |
| ■タイトル(英語) |
PV Output Forecasting by Deep Boltzmann Machines with SS-PPBSO |
| ■著者名 |
小川 彰太（明治大学総合数理学部ネットワークデザイン学科），森 啓之（明治大学総合数理学部ネットワークデザイン学科） |
| ■著者名(英語) |
Shota Ogawa (Department of Network Design, School of Interdisciprinary Mathmatical Sciences, Meiji University), Hiroyuki Mori (Department of Network Design, School of Interdisciprinary Mathmatical Sciences, Meiji University) |
| ■価格 |
会員 ¥550 一般 ¥770 |
| ■書籍種類 |
論文誌(論文単位) |
| ■グループ名 |
【B】電力・エネルギー部門 |
| ■本誌 |
電気学会論文誌B（電力・エネルギー部門誌） Vol.140 No.2 （2020） 特集：令和元年電力・エネルギー部門大会
|
| ■本誌掲載ページ |
86-93ページ |
| ■原稿種別 |
論文／日本語 |
| ■電子版へのリンク |
https://www.jstage.jst.go.jp/article/ieejpes/140/2/140_86/_article/-char/ja/
|
| ■キーワード |
太陽光発電出力予測，深層ニューラルネットワーク，深層ボルツマンマシン，進化的計算，スキャターサーチ，プレデタープレイブレインストーミングオプティミゼーション photovoltaic generation forecasting，deep neural network，deep Boltzmann machine，evolutionary computation，scatter search，predator-prey brain storm optimization |
| ■要約(日本語) |
|
| ■要約(英語) |
This paper proposes an efficient method for photovoltaic (PV) system output forecasting by Deep Boltzmann Machines (DBM) with Scatter Search-Predator-Prey Brain Storm Optimization (SS-PPBSO). DBM plays a key role to extract features of input variables while SS-PPBSO is a new evolutionary computation that combines PPBSO with Scatter Search. In recent years, as renewable energy, PV systems are positively introduced into power network in Japan so that power system operation becomes complicated due to the uncertainty. To overcome this challenge, it is required to forecast PV outputs that are influenced by weather conditions significantly. This paper proposes a new efficient PV output forecasting method with DBM that makes use of SS-PPBSO in learning. The effectiveness of the proposed method is demonstrated for real data of a PV system. |
| ■版 型 |
A4 |
|
|
|
