English
| 正體中文 |
简体中文
|
全文筆數/總筆數 : 2928/5721 (51%)
造訪人次 : 373916 線上人數 : 503
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by
NTU Library IR team.
搜尋範圍
全部NCUTIR
管理學院
工業工程與管理系(所)
--【工業工程與管理系所】博碩士論文
查詢小技巧:
您可在西文檢索詞彙前後加上"雙引號",以獲取較精準的檢索結果
若欲以作者姓名搜尋,建議至進階搜尋限定作者欄位,可獲得較完整資料
進階搜尋
主頁
‧
登入
‧
上傳
‧
說明
‧
關於NCUTIR
‧
管理
勤益科大機構典藏
>
管理學院
>
工業工程與管理系(所)
>
【工業工程與管理系所】博碩士論文
>
Item 987654321/5626
資料載入中.....
書目資料匯出
Endnote RIS 格式資料匯出
Bibtex 格式資料匯出
引文資訊
資料載入中.....
資料載入中.....
請使用永久網址來引用或連結此文件:
http://ir.lib.ncut.edu.tw/handle/987654321/5626
題名:
以ARIMA模式與ANN模式預測短期風機風速
作者:
莊涵如
楊旭豪
貢獻者:
工業工程與管理系
關鍵詞:
風速預測
ARIMA
ANN
日期:
2013-06
上傳時間:
2013-08-16 15:18:39 (UTC+8)
出版者:
台中;國立勤益科技大學
摘要:
近年來全球面臨能源逐漸耗竭,且隨著環保意識的抬頭,許多先進國家開始積極尋求替代能源。然而舉凡太陽能源亦或是水力發電等,都不及風力發電能源的乾淨與低汙染。儘管如此,風的不穩定性仍然是一大挑戰,若能準確預測風速,且善用風力帶來的風能,將是未來最具環保的能源之一。
本研究蒐集台灣某電廠風機SCADA (Supervisory Control And Data Acquisition)系統的資料,探討綜合自迴歸移動平均模型 (Autoregressive Integrated Moving Average; ARIMA)與類神經演算法(Automated Neural Networks; ANN),以預測短時間內風機的風速,並根據平均絕對誤差(mean absolute error; MAE),與平均相對誤差(mean relative error; MRE)比較預測的正確率。
ARIMA及ANN建模的方式,皆採用每十分鐘一筆的SCADA數據,並以第二期風速觀測值預測第一期。結果顯示非線性的ANN模型的MAE及MAR皆小於傳統線性的ARIMA模型,因此我們可以得知ANN在預測風速上,比ARIMA好。
顯示於類別:
[工業工程與管理系(所)] 【工業工程與管理系所】博碩士論文
文件中的檔案:
檔案
描述
大小
格式
瀏覽次數
以ARIMA模式與ANN模式預測短期風機風速.pdf
2926Kb
Adobe PDF
4387
檢視/開啟
檢視Licence
在NCUTIR中所有的資料項目都受到原著作權保護.
DSpace Software
Copyright © 2002-2004
MIT
&
Hewlett-Packard
/
Enhanced by
NTU Library IR team
Copyright ©
-
回饋