JP7369868B2 - 日射量予測を処理するための方法、スタック型一般化モデルをトレーニングするための方法、およびそれらの装置 - Google Patents
日射量予測を処理するための方法、スタック型一般化モデルをトレーニングするための方法、およびそれらの装置 Download PDFInfo
- Publication number
- JP7369868B2 JP7369868B2 JP2022527108A JP2022527108A JP7369868B2 JP 7369868 B2 JP7369868 B2 JP 7369868B2 JP 2022527108 A JP2022527108 A JP 2022527108A JP 2022527108 A JP2022527108 A JP 2022527108A JP 7369868 B2 JP7369868 B2 JP 7369868B2
- Authority
- JP
- Japan
- Prior art keywords
- solar radiation
- training samples
- generalizer
- layer
- training
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012549 training Methods 0.000 title claims description 262
- 230000005855 radiation Effects 0.000 title claims description 193
- 238000000034 method Methods 0.000 title claims description 68
- 238000012545 processing Methods 0.000 title claims description 46
- 238000004590 computer program Methods 0.000 claims description 16
- 238000005259 measurement Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 9
- 238000010248 power generation Methods 0.000 description 9
- 238000013136 deep learning model Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012417 linear regression Methods 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013082 photovoltaic technology Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S50/00—Monitoring or testing of PV systems, e.g. load balancing or fault identification
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Environmental & Geological Engineering (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Environmental Sciences (AREA)
- Ecology (AREA)
- Power Engineering (AREA)
- Biodiversity & Conservation Biology (AREA)
Description
Claims (8)
- 日射量予測を処理するための方法であって、
ターゲット期間に対応する日射量予測データを取得すること、ここで、前記ターゲット期間に対応する前記日射量予測データは、前記ターゲット期間内におけるアレイ面日射量の少なくとも1つの予測値を含み、前記少なくとも1つの予測値は、少なくとも1つの情報源によって提供される、
第1層ジェネラライザおよび第2層ジェネラライザを含むスタック型一般化モデルを呼び出すこと、ここで、前記第1層ジェネラライザおよび前記第2層ジェネラライザの各々は、学習モデルであり、
前記第1層ジェネラライザを使用して、前記ターゲット期間に対応する前記日射量予測データに基づいて中間日射量予測データを決定すること、
前記第2層ジェネラライザを使用して、前記中間日射量予測データに基づいて前記ターゲット期間に対応する出力日射量予測値を決定すること、
を含み、
前記スタック型一般化モデルは、
n個のトレーニングサンプルを作成すること、ここで、前記n個のトレーニングサンプルの各々は、1つの過去の期間に対応する日射量予測データおよび前記過去の期間内におけるアレイ面日射量の測定値を含み、nは、1より大きい整数であり、
前記n個のトレーニングサンプルからm個のトレーニングサンプルを選択すること、ここで、mは、1より大きくnより小さい正の整数であり、
前記m個のトレーニングサンプルの日射量予測データと前記m個のトレーニングサンプルの測定値を使用して前記第1層ジェネラライザをトレーニングして、トレーニングされた第1層ジェネラライザを取得すること、
前記第1層ジェネラライザを使用して、n-m個のトレーニングサンプルの日射量予測データに基づいて前記n-m個のトレーニングサンプルの中間日射量予測データを決定すること、ここで、前記n-m個のトレーニングサンプルは、前記n個のトレーニングサンプルにおいて、前記m個のトレーニングサンプル以外のトレーニングサンプルであり、
前記n-m個のトレーニングサンプルの中間日射量予測データと前記n-m個のトレーニングサンプルの測定値を使用して前記第2層ジェネラライザをトレーニングして、トレーニングされた第2層ジェネラライザを取得すること、
によってトレーニングされることを特徴とする方法。 - 請求項1に記載の方法において、
前記第1層ジェネラライザは、k個のジェネラライザを含み、ここで、kは、1より大きい整数であり、
前記ターゲット期間に対応する前記日射量予測データに基づいて中間日射量予測データを決定することは、
前記k個のジェネラライザをそれぞれ使用して、前記ターゲット期間に対応する前記日射量予測データに基づいてk個の中間予測値を取得することを含み、
前記中間日射量予測データは、前記k個の中間予測値を含む、
ことを特徴とする方法。 - 請求項1又は請求項2に記載の方法において、
前記中間日射量予測データに基づいて前記ターゲット期間に対応する前記出力日射量予測値を決定した後、
前記方法は更に、
電力曲線モデルを呼び出し、前記出力日射量予測値に基づいて前記ターゲット期間内における日射量の予測電力を計算すること、
を含むことを特徴とする方法。 - 第1層ジェネラライザおよび第2層ジェネラライザを含むスタック型一般化モデルをトレーニングするための方法であって、
n個のトレーニングサンプルを作成すること、ここで、前記n個のトレーニングサンプルの各々は、1つの過去の期間に対応する日射量予測データおよび前記過去の期間内におけるアレイ面日射量の測定値を含み、前記過去の期間に対応する前記日射量予測データは、前記過去の期間内におけるアレイ面日射量の少なくとも1つの予測値を含み、前記少なくとも1つの予測値は、少なくとも1つの情報源によって提供され、nは、1より大きい整数であり、
前記n個のトレーニングサンプルからm個のトレーニングサンプルを選択すること、ここで、mは、1より大きくnより小さい正の整数であり、
前記m個のトレーニングサンプルの日射量予測データと前記m個のトレーニングサンプルの測定値を使用して前記第1層ジェネラライザをトレーニングして、トレーニングされた第1層ジェネラライザを取得すること、
前記第1層ジェネラライザを使用して、n-m個のトレーニングサンプルの日射量予測データに基づいて前記n-m個のトレーニングサンプルの中間日射量予測データを決定すること、ここで、前記n-m個のトレーニングサンプルは、前記n個のトレーニングサンプルにおいて、前記m個のトレーニングサンプル以外のトレーニングサンプルであり、
前記n-m個のトレーニングサンプルの中間日射量予測データと前記n-m個のトレーニングサンプルの測定値を使用して前記第2層ジェネラライザをトレーニングして、トレーニングされた第2層ジェネラライザを取得すること、
を含むことを特徴とする方法。 - 日射量予測を処理するための装置であって、
ターゲット期間に対応する日射量予測データを取得するように構成された、データ取得モジュールと、ここで、前記ターゲット期間に対応する前記日射量予測データは、前記ターゲット期間内におけるアレイ面日射量の少なくとも1つの予測値を含み、前記少なくとも1つの予測値は、少なくとも1つの情報源によって提供され、
第1層ジェネラライザおよび第2層ジェネラライザを含むスタック型一般化モデルを呼び出すように構成された、モデル呼出モジュールと、ここで、前記第1層ジェネラライザおよび前記第2層ジェネラライザの各々は、学習モデルであり、
前記第1層ジェネラライザを使用して、前記ターゲット期間に対応する前記日射量予測データに基づいて中間日射量予測データを決定するように構成された、データ決定モジュールと、
前記第2層ジェネラライザを使用して、前記中間日射量予測データに基づいて前記ターゲット期間に対応する出力日射量予測値を決定するように構成された、予測値決定モジュールと、
n個のトレーニングサンプルを作成するように構成された、サンプル作成モジュールと、ここで、前記n個のトレーニングサンプルの各々は、1つの過去の期間に対応する日射量予測データおよび前記過去の期間内におけるアレイ面日射量の測定値を含み、nは、1より大きい整数であり、
前記n個のトレーニングサンプルを使用して前記スタック型一般化モデルをトレーニングして、トレーニングされたスタック型一般化モデルを取得するように構成された、モデルトレーニングモジュールと、
を備え、
前記モデルトレーニングモジュールは、
前記n個のトレーニングサンプルからm個のトレーニングサンプルを選択する処理と、ここで、mは、1より大きくnより小さい正の整数であり、
前記m個のトレーニングサンプルの日射量予測データと前記m個のトレーニングサンプルの測定値を使用して前記第1層ジェネラライザをトレーニングして、トレーニングされた第1層ジェネラライザを取得する処理と、
前記第1層ジェネラライザを使用して、n-m個のトレーニングサンプルの日射量予測データに基づいて前記n-m個のトレーニングサンプルの中間日射量予測データを決定する処理と、ここで、前記n-m個のトレーニングサンプルは、前記n個のトレーニングサンプルにおいて、前記m個のトレーニングサンプル以外のトレーニングサンプルであり、
前記n-m個のトレーニングサンプルの中間日射量予測データと前記n-m個のトレーニングサンプルの測定値を使用して前記第2層ジェネラライザをトレーニングして、トレーニングされた第2層ジェネラライザを取得する処理と、
を実行することを特徴とする装置。 - 第1層ジェネラライザおよび第2層ジェネラライザを含むスタック型一般化モデルをトレーニングする装置であって、
n個のトレーニングサンプルを作成するように構成された、サンプル作成モジュールと、ここで、前記n個のトレーニングサンプルの各々は、1つの過去の期間に対応する日射量予測データおよび前記過去の期間内におけるアレイ面日射量の測定値を含み、前記過去の期間に対応する前記日射量予測データは、前記過去の期間内におけるアレイ面日射量の少なくとも1つの予測値を含み、前記少なくとも1つの予測値は、少なくとも1つの情報源によって提供され、nは、1より大きい整数であり、
前記n個のトレーニングサンプルを使用して前記スタック型一般化モデルをトレーニングして、トレーニングされたスタック型一般化モデルを取得するように構成された、モデルトレーニングモジュールと、
を備え、
前記モデルトレーニングモジュールは、
前記m個のトレーニングサンプルの日射量予測データと前記m個のトレーニングサンプルの測定値を使用して前記第1層ジェネラライザをトレーニングして、トレーニングされた第1層ジェネラライザを取得する処理と、
前記第1層ジェネラライザを使用して、n-m個のトレーニングサンプルの日射量予測データに基づいて前記n-m個のトレーニングサンプルの中間日射量予測データを決定する処理と、ここで、前記n-m個のトレーニングサンプルは、前記n個のトレーニングサンプルにおいて、前記m個のトレーニングサンプル以外のトレーニングサンプルであり、
前記n-m個のトレーニングサンプルの中間日射量予測データと前記n-m個のトレーニングサンプルの測定値を使用して前記第2層ジェネラライザをトレーニングして、トレーニングされた第2層ジェネラライザを取得する処理と、
を実行することを特徴とする装置。 - プロセッサと、コンピュータプログラムを記憶したメモリとを備えたコンピュータデバイスであって、
前記コンピュータプログラムは、前記プロセッサによってロードおよび実行された場合に、請求項1乃至請求項3のいずれかに記載の日射量予測を処理するための方法および請求項4に記載のスタック型一般化モデルをトレーニングするための方法の少なくとも1つを前記プロセッサが実行することを可能にする、
ことを特徴とするコンピュータデバイス。 - コンピュータプログラムを記憶した非一時的なコンピュータ可読記憶媒体であって、
前記コンピュータプログラムは、プロセッサによって実行された場合に、請求項1乃至請求項3のいずれかに記載の日射量予測を処理するための方法および請求項4に記載のスタック型一般化モデルをトレーニングするための方法の少なくとも1つを前記プロセッサが実行することを可能にする、
ことを特徴とするコンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911112640.0 | 2019-11-14 | ||
CN201911112640.0A CN111091138A (zh) | 2019-11-14 | 2019-11-14 | 辐照预报的处理方法、堆叠泛化模型的训练方法及装置 |
PCT/SG2020/050656 WO2021096429A1 (en) | 2019-11-14 | 2020-11-13 | Method for processing irradiation forecast, method for training stacked generalization model, and apparatuses thereof |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022550619A JP2022550619A (ja) | 2022-12-02 |
JP7369868B2 true JP7369868B2 (ja) | 2023-10-26 |
Family
ID=70393283
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022527108A Active JP7369868B2 (ja) | 2019-11-14 | 2020-11-13 | 日射量予測を処理するための方法、スタック型一般化モデルをトレーニングするための方法、およびそれらの装置 |
Country Status (12)
Country | Link |
---|---|
US (1) | US11842303B2 (ja) |
EP (1) | EP4058761A4 (ja) |
JP (1) | JP7369868B2 (ja) |
KR (1) | KR102500939B1 (ja) |
CN (1) | CN111091138A (ja) |
AU (1) | AU2020382454A1 (ja) |
BR (1) | BR112022009366A2 (ja) |
CA (1) | CA3161648A1 (ja) |
CL (1) | CL2022001232A1 (ja) |
MX (1) | MX2022005700A (ja) |
WO (1) | WO2021096429A1 (ja) |
ZA (1) | ZA202205999B (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610287A (zh) * | 2021-07-27 | 2021-11-05 | 远景智能国际私人投资有限公司 | 光功率预报方法、装置、计算机设备及存储介质 |
CN114237309A (zh) * | 2021-12-15 | 2022-03-25 | 新奥数能科技有限公司 | 一种光伏组件的角度调节方法和装置 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006330935A (ja) | 2005-05-24 | 2006-12-07 | Fujitsu Ltd | 学習データ作成プログラム、学習データ作成方法および学習データ作成装置 |
WO2011158363A1 (ja) | 2010-06-17 | 2011-12-22 | 株式会社四国総合研究所 | 日射強度予測システムと太陽光発電出力予測システム |
JP2013253805A (ja) | 2012-06-05 | 2013-12-19 | Fuji Electric Co Ltd | 情報処理装置、情報処理装置の制御方法及びプログラム |
JP2014157457A (ja) | 2013-02-15 | 2014-08-28 | Nec Corp | 予測装置および予測方法 |
US20150142347A1 (en) | 2013-11-15 | 2015-05-21 | Rahul Mohan | Solar Energy Disaggregation Techniques for Whole-House Energy Consumption Data |
US20150253463A1 (en) | 2014-03-04 | 2015-09-10 | Universiti Brunei Darussalam | Generating an Ensemble of Forecasting Models |
WO2016121202A1 (ja) | 2015-01-30 | 2016-08-04 | 日本電気株式会社 | 予測装置、予測方法、及び、プログラム |
US20180175790A1 (en) | 2015-06-23 | 2018-06-21 | Qatar Foundation For Education, Science And Community Development | Method of forecasting for solar-based power systems |
US20180203160A1 (en) | 2017-01-18 | 2018-07-19 | Board Of Regents, The University Of Texas System | Systems and methods of hierarchical forecasting of solar photovoltaic energy production |
CN109214552A (zh) | 2018-08-09 | 2019-01-15 | 上海安悦节能技术有限公司 | 基于集成学习光伏预测的智能运维方法 |
JP2019022251A (ja) | 2017-07-11 | 2019-02-07 | 米沢電気工事株式会社 | 太陽電池診断方法及び太陽電池診断システム |
CN109636054A (zh) | 2018-12-21 | 2019-04-16 | 电子科技大学 | 基于分类和误差组合预测的太阳能光伏发电量预测方法 |
US20190130277A1 (en) | 2017-10-26 | 2019-05-02 | SparkCognition, Inc. | Ensembling of neural network models |
US20190158011A1 (en) | 2016-05-11 | 2019-05-23 | Commonwealth Scientific And Industrial Research Organisation | Solar power forecasting |
CN109886492A (zh) | 2019-02-26 | 2019-06-14 | 浙江鑫升新能源科技有限公司 | 基于Attention LSTM的光伏发电功率预测模型及其构建方法 |
WO2019155594A1 (ja) | 2018-02-09 | 2019-08-15 | Totalmasters株式会社 | 太陽光発電設備の設計支援装置、設計支援方法、設計支援プログラム及び設計支援用学習済みモデル作成装置 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003066195A (ja) * | 2001-08-27 | 2003-03-05 | Nikon Corp | 多層膜除去加工装置、多層膜反射鏡、その製造方法、軟x線光学系及び露光装置 |
US8972221B2 (en) * | 2007-02-12 | 2015-03-03 | Locus Energy, Llc | Estimating solar irradiance components from plane of array irradiance and global horizontal irradiance |
JP2014015457A (ja) | 2012-06-14 | 2014-01-30 | Takaaki Matsumoto | 睡眠時無呼吸症候群緩和液および睡眠時無呼吸症候群緩和液の製造方法 |
US20180275314A1 (en) | 2015-08-31 | 2018-09-27 | Green Power Labs Inc. | Method and system for solar power forecasting |
KR101856320B1 (ko) * | 2016-05-02 | 2018-05-09 | 한국과학기술원 | 태양광 발전량 예측 장치 및 방법 |
CN107038410A (zh) * | 2017-02-24 | 2017-08-11 | 中国科学院合肥物质科学研究院 | 一种基于深度堆叠网络的杂草图像识别方法 |
CN107103331B (zh) * | 2017-04-01 | 2020-06-16 | 中北大学 | 一种基于深度学习的图像融合方法 |
CN107179291B (zh) * | 2017-05-10 | 2020-02-14 | 中国科学院合肥物质科学研究院 | 基于太赫兹光谱与深度自动编码器的土壤重金属元素含量预测方法 |
CN107044976A (zh) * | 2017-05-10 | 2017-08-15 | 中国科学院合肥物质科学研究院 | 基于libs与堆叠式rbm深度学习技术的土壤重金属含量分析预测方法 |
CN107846012A (zh) * | 2017-09-27 | 2018-03-27 | 国网湖北省电力公司 | 一种基于深度学习技术的电力系统暂态稳定评估方法 |
CN109961080B (zh) * | 2017-12-26 | 2022-09-23 | 腾讯科技(深圳)有限公司 | 终端识别方法及装置 |
CN108520535B (zh) * | 2018-03-26 | 2022-02-15 | 天津大学 | 基于深度恢复信息的物体分类方法 |
CN108734391B (zh) * | 2018-05-08 | 2021-07-20 | 重庆大学 | 基于堆栈降噪自动编码器的电-气综合能源系统概率能流量计算方法 |
CN109002926A (zh) * | 2018-07-27 | 2018-12-14 | 中国计量大学 | 一种高准确性的光伏发电量预测模型及其构建方法和应用 |
CN109522917A (zh) * | 2018-09-10 | 2019-03-26 | 中山大学 | 一种基于多模型堆叠融合预测的方法 |
CN109543721B (zh) * | 2018-11-05 | 2023-07-04 | 中国科学院西北生态环境资源研究院 | 一种晴间多云天气情况下的太阳辐照度超短期预报方法 |
-
2019
- 2019-11-14 CN CN201911112640.0A patent/CN111091138A/zh active Pending
-
2020
- 2020-11-13 MX MX2022005700A patent/MX2022005700A/es unknown
- 2020-11-13 JP JP2022527108A patent/JP7369868B2/ja active Active
- 2020-11-13 US US17/777,023 patent/US11842303B2/en active Active
- 2020-11-13 WO PCT/SG2020/050656 patent/WO2021096429A1/en unknown
- 2020-11-13 EP EP20886189.8A patent/EP4058761A4/en active Pending
- 2020-11-13 AU AU2020382454A patent/AU2020382454A1/en not_active Abandoned
- 2020-11-13 CA CA3161648A patent/CA3161648A1/en active Pending
- 2020-11-13 KR KR1020227019961A patent/KR102500939B1/ko active IP Right Grant
- 2020-11-13 BR BR112022009366A patent/BR112022009366A2/pt unknown
-
2022
- 2022-05-11 CL CL2022001232A patent/CL2022001232A1/es unknown
- 2022-05-30 ZA ZA2022/05999A patent/ZA202205999B/en unknown
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006330935A (ja) | 2005-05-24 | 2006-12-07 | Fujitsu Ltd | 学習データ作成プログラム、学習データ作成方法および学習データ作成装置 |
WO2011158363A1 (ja) | 2010-06-17 | 2011-12-22 | 株式会社四国総合研究所 | 日射強度予測システムと太陽光発電出力予測システム |
JP2013253805A (ja) | 2012-06-05 | 2013-12-19 | Fuji Electric Co Ltd | 情報処理装置、情報処理装置の制御方法及びプログラム |
JP2014157457A (ja) | 2013-02-15 | 2014-08-28 | Nec Corp | 予測装置および予測方法 |
US20150142347A1 (en) | 2013-11-15 | 2015-05-21 | Rahul Mohan | Solar Energy Disaggregation Techniques for Whole-House Energy Consumption Data |
US20150253463A1 (en) | 2014-03-04 | 2015-09-10 | Universiti Brunei Darussalam | Generating an Ensemble of Forecasting Models |
WO2016121202A1 (ja) | 2015-01-30 | 2016-08-04 | 日本電気株式会社 | 予測装置、予測方法、及び、プログラム |
US20180175790A1 (en) | 2015-06-23 | 2018-06-21 | Qatar Foundation For Education, Science And Community Development | Method of forecasting for solar-based power systems |
US20190158011A1 (en) | 2016-05-11 | 2019-05-23 | Commonwealth Scientific And Industrial Research Organisation | Solar power forecasting |
US20180203160A1 (en) | 2017-01-18 | 2018-07-19 | Board Of Regents, The University Of Texas System | Systems and methods of hierarchical forecasting of solar photovoltaic energy production |
JP2019022251A (ja) | 2017-07-11 | 2019-02-07 | 米沢電気工事株式会社 | 太陽電池診断方法及び太陽電池診断システム |
US20190130277A1 (en) | 2017-10-26 | 2019-05-02 | SparkCognition, Inc. | Ensembling of neural network models |
WO2019155594A1 (ja) | 2018-02-09 | 2019-08-15 | Totalmasters株式会社 | 太陽光発電設備の設計支援装置、設計支援方法、設計支援プログラム及び設計支援用学習済みモデル作成装置 |
CN109214552A (zh) | 2018-08-09 | 2019-01-15 | 上海安悦节能技术有限公司 | 基于集成学习光伏预测的智能运维方法 |
CN109636054A (zh) | 2018-12-21 | 2019-04-16 | 电子科技大学 | 基于分类和误差组合预测的太阳能光伏发电量预测方法 |
CN109886492A (zh) | 2019-02-26 | 2019-06-14 | 浙江鑫升新能源科技有限公司 | 基于Attention LSTM的光伏发电功率预测模型及其构建方法 |
Non-Patent Citations (3)
Title |
---|
David H. Wolpert,Stacked Generalization,Neural Networks,Vol.5,1992年,pp.241-259 |
大和総研フロンティアテクノロジー本部,エンジニアが学ぶ金融システムの「知識」と「技術」,第1版,株式会社翔泳社,2019年01月24日,133-139頁 |
進 博正 他,気象予測データと機械学習を用いた高精度な電力需要予測手法,東芝レビュー,Vol.74,No.5,2019年09月,pp.22-25 |
Also Published As
Publication number | Publication date |
---|---|
JP2022550619A (ja) | 2022-12-02 |
EP4058761A4 (en) | 2023-01-25 |
AU2020382454A1 (en) | 2022-06-02 |
EP4058761A1 (en) | 2022-09-21 |
CA3161648A1 (en) | 2021-05-20 |
US20220397700A1 (en) | 2022-12-15 |
KR20220088946A (ko) | 2022-06-28 |
ZA202205999B (en) | 2022-09-28 |
US11842303B2 (en) | 2023-12-12 |
CL2022001232A1 (es) | 2022-11-25 |
BR112022009366A2 (pt) | 2022-08-09 |
KR102500939B1 (ko) | 2023-02-17 |
CN111091138A (zh) | 2020-05-01 |
MX2022005700A (es) | 2022-08-17 |
WO2021096429A1 (en) | 2021-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7369868B2 (ja) | 日射量予測を処理するための方法、スタック型一般化モデルをトレーニングするための方法、およびそれらの装置 | |
US10990747B2 (en) | Automatic generation of via patterns with coordinate-based recurrent neural network (RNN) | |
WO2021133253A1 (en) | Method and apparatus for predicting energy consumption, and device and storage medium thereof | |
US20200026962A1 (en) | Modeling post-lithography stochastic critical dimension variation with multi-task neural networks | |
US20150363691A1 (en) | Managing software bundling using an artificial neural network | |
US10539881B1 (en) | Generation of hotspot-containing physical design layout patterns | |
US11651198B2 (en) | Data processing method and apparatus for neural network | |
US20220172038A1 (en) | Automated deep learning architecture selection for time series prediction with user interaction | |
US20190332924A1 (en) | Central scheduler and instruction dispatcher for a neural inference processor | |
US11847591B2 (en) | Short-term load forecasting | |
US20240020556A1 (en) | Information processing method and apparatus, server, and user device | |
CN112258129A (zh) | 配送路径预测网络训练、配送资源调度方法及装置 | |
CN109598344B (zh) | 模型生成方法和装置 | |
US20210056457A1 (en) | Hyper-parameter management | |
López-Martín et al. | Support vector regression for predicting the productivity of higher education graduate students from individually developed software projects | |
US20230062028A1 (en) | Digital twin simulation of equilibrium state | |
CN115689197A (zh) | 电力组网系统的操作票派发方法、装置和计算机设备 | |
US11520855B2 (en) | Matrix sketching using analog crossbar architectures | |
US11537859B2 (en) | Flexible precision neural inference processing unit | |
US11080632B2 (en) | Optimization of steady state cost for multi-site high availability application deployment of management and managed intrastructure | |
US20230403131A1 (en) | Machine learning network extension based on homomorphic encryption packings | |
US11150971B1 (en) | Pattern recognition for proactive treatment of non-contiguous growing defects | |
US20240112010A1 (en) | Identifying performance degradation in machine learning models based on comparison of actual and predicted results | |
US20230267342A1 (en) | Iterative answer and supplemental information extraction for machine reading comprehension | |
US20230274169A1 (en) | Generating data slice rules for data generation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220714 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220714 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220714 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221108 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230203 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230407 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230606 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230906 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230926 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231016 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7369868 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |