Поиск :
Личный кабинет :
Электронный каталог: Снегирев, Д.А. - Оптимизация краткосрочного прогнозирования выработки ветроэлектрических станций с помощью машинно...
Снегирев, Д.А. - Оптимизация краткосрочного прогнозирования выработки ветроэлектрических станций с помощью машинно...
Нет экз.
Статья
Автор: Снегирев, Д.А.
Оптимизация краткосрочного прогнозирования выработки ветроэлектрических станций с помощью машинно...
б.г.
ISBN отсутствует
Автор: Снегирев, Д.А.
Оптимизация краткосрочного прогнозирования выработки ветроэлектрических станций с помощью машинно...
б.г.
ISBN отсутствует
Статья
Снегирев, Д.А.
Оптимизация краткосрочного прогнозирования выработки ветроэлектрических станций с помощью машинного обучения / Д.А. Снегирев, А.В. Паздерин, В.О. Самойленко, П.А. Крючков#SOURCE#. – С. 40-49: ил. - Библиогр.: 16 назв.
С увеличением доли установленной мощности ветроэлектрических станций в электроэнергетических системах традиционный подход к планированию режимов должен дополняться прогнозированием выработки ветроэлектрических станций. Исследование методов оптимизации гиперпараметров моделей машинного обучения как одного из способов повышения эффективности краткосрочного прогнозирования производства электроэнергии ветроэлектрическими электростанциями. Методика, основанная на применении байесовской оптимизации с функцией выбора «нижний доверительный интервал», что обеспечило снижение среднеквадратичной погрешности прогноза на 6,1%.
Снегирев, Д.А.
Оптимизация краткосрочного прогнозирования выработки ветроэлектрических станций с помощью машинного обучения / Д.А. Снегирев, А.В. Паздерин, В.О. Самойленко, П.А. Крючков#SOURCE#. – С. 40-49: ил. - Библиогр.: 16 назв.
С увеличением доли установленной мощности ветроэлектрических станций в электроэнергетических системах традиционный подход к планированию режимов должен дополняться прогнозированием выработки ветроэлектрических станций. Исследование методов оптимизации гиперпараметров моделей машинного обучения как одного из способов повышения эффективности краткосрочного прогнозирования производства электроэнергии ветроэлектрическими электростанциями. Методика, основанная на применении байесовской оптимизации с функцией выбора «нижний доверительный интервал», что обеспечило снижение среднеквадратичной погрешности прогноза на 6,1%.