Core Concepts
本論文は、太陽光発電システムの動特性を正確にモデル化し、データ駆動型制御を実現するための新しい統計学習手法を提案する。提案手法は、候補関数の重みを適応的に調整することで、単一段階および二段階の太陽光発電システムの動特性を効率的に抽出する。
Abstract
本論文は、太陽光発電システムのデータ駆動型モデリングと制御に関する新しいアプローチを提案している。
従来の疎回帰手法では、候補関数の数が増えると計算複雑性が高くなる課題があった。
本論文では、適応型正則化スパース回帰(ARSR)と呼ばれる革新的なアルゴリズムを提案する。
ARSRは、候補関数の重みを適応的に調整することで、太陽光発電システムの動特性を効率的に抽出できる。
開ループおよび閉ループモデルの構築、故障解析への適用など、ARSRの多様な応用が示されている。
時間領域シミュレーションおよびリアルタイムシミュレーションにより、提案手法の有効性が検証されている。
Stats
単一段階太陽光発電システムの直流リンク電圧vdcの誤差は1.2882
単一段階太陽光発電システムの無効電力Qの誤差は3.2921
二段階太陽光発電システムの直流リンク電圧vdcの誤差は36.9085
二段階太陽光発電システムの無効電力Qの誤差は26.6831
二段階太陽光発電システムの太陽光発電出力PPVの誤差は6.1833
Quotes
"従来の疎回帰手法では、候補関数の数が増えると計算複雑性が高くなる課題があった。"
"本論文では、適応型正則化スパース回帰(ARSR)と呼ばれる革新的なアルゴリズムを提案する。"
"ARSRは、候補関数の重みを適応的に調整することで、太陽光発電システムの動特性を効率的に抽出できる。"