In this paper, we propose a computational scheme for the problem of wind power forecasting. Such scheme combines a local weighted regression model with fuzzy transform. The latter provides a way to reduce the cardinality of the learning problem, resulting in a more efficient algorithm. Numerical examples show the effectiveness of the proposed approach.

Joining fuzzy transform and local learning for wind power forecasting

Loia, Vincenzo
Membro del Collaboration Group
;
Tomasiello, Stefania
Membro del Collaboration Group
;
Vaccaro, Alfredo
Membro del Collaboration Group
2017

Abstract

In this paper, we propose a computational scheme for the problem of wind power forecasting. Such scheme combines a local weighted regression model with fuzzy transform. The latter provides a way to reduce the cardinality of the learning problem, resulting in a more efficient algorithm. Numerical examples show the effectiveness of the proposed approach.
File in questo prodotto:
Non ci sono file associati a questo prodotto.

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: http://hdl.handle.net/11386/4700385
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus 2
  • ???jsp.display-item.citation.isi??? 0
social impact