Spatio-Temporal Data Analytics for Wind Energy Integration - Lei Yang, Miao He, Junshan Zhang, Vijay Vittal

Blick ins Buch

Spatio-Temporal Data Analytics for Wind Energy Integration (eBook)

Lei Yang, Miao He, Junshan Zhang, Vijay Vittal (Autoren)

eBook Download: PDF

2014 | 2014
VIII, 80 Seiten
Springer International Publishing (Verlag)
978-3-319-12319-6 (ISBN)

Lese- und Medienproben

Ebook-Leseprobe (PDF)

This SpringerBrief presents spatio-temporal data analytics for wind energy integration using stochastic modeling and optimization methods. It explores techniques for efficiently integrating renewable energy generation into bulk power grids. The operational challenges of wind, and its variability are carefully examined. A spatio-temporal analysis approach enables the authors to develop Markov-chain-based short-term forecasts of wind farm power generation. To deal with the wind ramp dynamics, a support vector machine enhanced Markov model is introduced. The stochastic optimization of economic dispatch (ED) and interruptible load management are investigated as well. Spatio-Temporal Data Analytics for Wind Energy Integration is valuable for researchers and professionals working towards renewable energy integration. Advanced-level students studying electrical, computer and energy engineering should also find the content useful.

Introduction.- A Spatio-Temporal Analysis Approach for Short-Term Forecast of Wind Farm Generation.- Support Vector Machine Enhanced Markov Model for Short-Term Wind Power Forecast.- Stochastic Optimization based Economic Dispatch and Interruptible Load Management.- Conclusions and Future Works.

Erscheint lt. Verlag	14.11.2014
Reihe/Serie	SpringerBriefs in Electrical and Computer Engineering
Zusatzinfo	VIII, 80 p. 34 illus.
Verlagsort	Cham
Sprache	englisch
Themenwelt	Mathematik / Informatik ► Informatik ► Datenbanken
	Technik ► Elektrotechnik / Energietechnik
	Wirtschaft
Schlagworte	Distributional forecast • Economic Dispatch • Graphical learning • markov chains • Point forecast • Short-term wind power forecast • spatio-temporal analysis • stochastic optimization • Support Vector Machines • wind farm
ISBN-10	3-319-12319-X / 331912319X
ISBN-13	978-3-319-12319-6 / 9783319123196

Haben Sie eine Frage zum Produkt?

PDF (Wasserzeichen)
Größe: 4,1 MB

DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.

Zusätzliches Feature: Online Lesen
Dieses eBook können Sie zusätzlich zum Download auch online im Webbrowser lesen.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Print-Ausgabe

Buch | Softcover

53,49 €