Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Windertragsprognose mit Echo State Networks

 
: Kobialka, Hans-Ulrich

:
Postprint urn:nbn:de:0011-n-2249810 (329 KByte PDF)
MD5 Fingerprint: dc859e3983a9b3909a83b63ea529ca46
Created on: 17.1.2013


Verband der Elektrotechnik, Elektronik, Informationstechnik -VDE-:
VDE Kongress "Smart Grid" 2012. Intelligente Energieversorgung der Zukunft. CD-ROM : Kongressbeitäge; 5. - 6. November 2012, Internationales Congresscenter Stuttgart (ICS); 5. - 6. November 2012; Bd. 1 - Kongressbeiträge; Bd. 2 - Posterbeiträge
Berlin: VDE-Verlag, 2012
ISBN: 978-3-8007-3446-7
4 pp.
Kongress "Smart Grid" <2012, Stuttgart>
German
Conference Paper, Electronic Publication
Fraunhofer IAIS ()
data mining; wind energy prediction; machine learning; statistic; echo state network

Abstract
Statistische Verfahren können komplexe dynamische Zusammenhänge erfassen, die es nicht nur erlauben, nicht-observierbare Größen zu schätzen, sondern auch zukünftige Größen zu prognostizieren. In diesem Papier wird dies an Hand der Erstellung einer Windertragsprognose beschrieben. Hierzu wird das Verfahren "Echo State Networks" verwendet, das es gestattet, sehr große und leistungsfähige rekurrente neuronale Netzwerke zu trainieren. Dieses Papier gibt einen Überblick zu dem Echo-State-Verfahren und beschreibt die technische Realisierung der erstellten Winder-tragsprognose.

 

Statistical methods are able to create models of complex system dynamics which are difficult to capture analytically. This paper describes a wind energy prediction system based on a machine learning method, called Echo State Networks. Echo State Networks enable the training of large recurrent neural networks which are able to model and predict highly non-linear system dynamics. This paper gives a short description of Echo State Networks and the realization of the wind energy prediction system.

: http://publica.fraunhofer.de/documents/N-224981.html