سایپرز، باشگاه دانش - ارائه دهنده مقالات ژورنالهای خارجی

اطلاعات و مشخصات مقاله

[ 149 | جستجو | فهرست کلمات کلیدی | فهرست موضوعات | فهرست نویسندگان | فهرست ناشران | فهرست ژورنالها ]


عنوان مقاله:پیش بینی سانسور باد فضایی قدرت با اثرات تصادفی
ناشر: [ Elsevier BV ]
ژورنال
دوره (شماره): (0)
سال انتشار:November 2015
شماره صفحات: 613622613-622
نشانگر دیجیتالی شیء:[ 10.1016/j.rser.2015.06.047 ]
شما اینجا هستید:
  1. Scipers, the Knowledge ClubScipers »
  2. Elsevier BV »
  3. Renewable And Sustainable Energy Reviews »
  4. Censored spatial wind power prediction with random effects

دسترسی بین المللی

اگر شما در داخل کشور (ایران) هستید و این صفحه را مشاهده می کنید، نشان می دهد که IP شما به هر دلیلی در لیست IP های ایران ثبت نشده است. برای رفع این مشکل کافی است IP خود را که در پایین این پیام درج شده از طریق آدرس ایمیل support@scipers.com به ما اطلاع دهید. پس از دریافت درخواست، کارشناسان فنی موضوع را بررسی می نمایند و در صورتی که محل اتصال شما از کشور ایران بوده باشد، به لیست استفاده کنندگان مجاز افزوده می شوید.
IP: 54.90.86.231

اطلاعات استنادی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

 

به اشتراک گذاری

این صفحه را با استفاده از انواع شبکه های اجتماعی با دوستان خود به اشتراک بگذارید.

خلاصه مقاله، نویسندگان و کلمات کلیدی

Censored Spatial Wind Power Prediction With Random Effects


مقاله: پیش بینی سانسور باد فضایی قدرت با اثرات تصادفی

نويسند‌گان:


خلاصه مقاله:


We investigate the importance of taking the spatial interaction of turbines inside a wind park into account for power forecasting. This paper provides two tests that check for spatial interdependence such as wake effects. Those effects are suspected to have a negative influence on wind power production. After that, we introduce a new modeling approach that is based on the generalized wind power prediction tool (GWPPT) and therefore respect both-sided censoring of the data. The new model makes use of a spatial lag model (SLM) specification and allows for random effects in the panel data. Finally, we provide a short empirical study that compares the forecasting accuracy of our model to the established models WPPT, GWPPT, and the naïve persistence predictor. We show that our new model provides significantly better forecasts than the established models.


 


كلمات كليدي:

Censored, Forecasting, Random effects, Regression, Spatial lag model, Wind power
سانسور, پیش بینی, اثرات تصادفی, رگرسیون, مدل تاخیر فضایی, انرژی باد


موضوعات:

Renewable Energy, Sustainability and the Environment



[ ]

فهرست مقالات مرتبط و مشابه

  1. Zhou, Zehong, Li, Xiaohui, Wu, Huaren (2016) 'Wind Power Prediction based on Random Forests', Proceedings of the 2016 4th International Conference on Electrical & Electronics Engineering and Computer Science (ICEEECS 2016), Atlantis Press, pp:0-0
  2. Schelin, Lina, Sjöstedt-de Luna, Sara (2014) 'Spatial prediction in the presence of left-censoring', Computational Statistics & Data Analysis, Elsevier BV, pp:125-141
  3. Rathbun, Stephen L. (2006) 'Spatial prediction with left-censored observations', Journal of Agricultural, Biological, and Environmental Statistics, Springer Science + Business Media, pp:317-336
  4. Messner, Jakob W., Zeileis, Achim, Broecker, Jochen, Mayr, Georg J. (2013) 'Probabilistic wind power forecasts with an inverse power curve transformation and censored regression', Wind Energ., Wiley-Blackwell, pp:1753-1766
  5. Ernst, Bernhard (2012) 'Wind Power Prediction', Wind Power in Power Systems, Wiley-Blackwell, pp:753-766
  6. Fingleton, B. (2008) 'Prediction Using Panel Data Regression with Spatial Random Effects', International Regional Science Review, SAGE Publications, pp:195-220
  7. Biyun, Chen, Suifeng, Wang, Yongjun, Zhang, Ping, He (2013) 'Wind power prediction model considering smoothing effects', 2013 IEEE PES Asia-Pacific Power and Energy Engineering Conference (APPEEC), Institute of Electrical and Electronics Engineers (IEEE), pp:0-0
  8. Jeong, Seung-Hwan, Park, Man-Sik, Kim, Kee-Whan (2010) 'Spatial Prediction of Wind Speed Data', Korean Journal of Applied Statistics, The Korean Statistical Society, pp:345-356
  9. Dabernig, Markus, Mayr, Georg J., Messner, Jakob W. (2015) 'Predicting Wind Power with Reforecasts', Weather and Forecasting, American Meteorological Society, pp:1655-1662
  10. Cutler, Nicholas, Kepert, Jeffrey, Outhred, Hugh, MacGill, Iain (2008) 'Characterizing Wind Power Forecast Uncertainty with Numerical Weather Prediction Spatial Fields', Wind Engineering, Multi-Science Publishing Co. Ltd., pp:509-524

 

فهرست مراجع و منابع




 

برگشت به بالا
× 🎁
رونمایی از اولین و تنها ربات تلگرامی جستجوی مقالات ژورنالی
×