开放存取
问题 |
E3S网页汇编
卷积3872023
可再生能源技术智能工程国际会议 |
|
---|---|---|
文章号 | 05013 | |
页数 | 九九 | |
段内 | 信息隐蔽性 | |
多尔市 | https://doi.org/10.1051/e3sconf/202338705013 | |
在线发布 | 2023年5月15日 |
必威主页
38705013(2023)
短风力估计机器学习方法性能比较
一号电气电子工程系mahendra工程学院Thiruchengode-637205
2兰科技术学院电气电子工程系Rajapalayam
*对应作者 :b.doraarulselvi@gmail.com
网际网际网际网路对应作者 :kannan@ritrjpm.ac.in
可再生能源生成如今越来越多地被使用,原因多有如全球变暖、传统能源耗竭和排放约束等风力生成器构成潜在的能量源, 相关不确定性使操作复杂化结果,目前分布式发电系统的成功运算和规划需要精确估计风能多风能估计技术基于机器学习这项工作尝试比较风能估计效率 少数机学习方法初始时会考虑Feed前神经网络性能的不同激活函数下一个支持向量递归机使用不同内核估计风能深学习网络如长短期内存网络、卷积神经网络和复发神经网络被用来评估未来风能并分析其能力最后,准备比较图表评价用于估计风能的不同机学习技术的效能和实用性
关键字 :机器学习方法/短路/风能估计
必威西汉姆赞助2023年EDP科学出版
开存文章分发创用CC授权4.0允许在任何介质上不受限制使用、分发和复制,只要原创作品正确引用
当前用法度量显示文章视图累积计数(全文文章视图包括HTML视图、PDF和ePub下载,根据可用数据)和Vision4Press平台摘要视图
数据对应2015年后板状使用当前使用量度自在线发布后48-96小时提供并按周日每日更新
初始下载度量器可能花点时间