文献

J-GLOBAL ID：201602260396690024   整理番号：16A1236836

影響因子のマルチソース不均一融合を実現する短期負荷予測サポートベクトルマシンアルゴリズム【JST・京大機械翻訳】

Short Term Load Forecasting Support Vector Machine Algorithm Based on Multi-source Heterogeneous Fusion of Load Factors

著者 (6件)： Wu Qianhong (Key Laboratory of Control of Power Transmission and Transformation (Shanghai Jiao Tong University), Ministry of Education) ,  Gao Jun (Heze Power Supply Company of State Grid Shandong Electric Power Company) ,  Hou Guangsong (Heze Power Supply Company of State Grid Shandong Electric Power Company) ,  Han Bei (Key Laboratory of Control of Power Transmission and Transformation (Shanghai Jiao Tong University), Ministry of Education) ,  Wang Keyou (Key Laboratory of Control of Power Transmission and Transformation (Shanghai Jiao Tong University), Ministry of Education) ,  Li Guojie (Key Laboratory of Control of Power Transmission and Transformation (Shanghai Jiao Tong University), Ministry of Education)
資料名： Dianli Xitong Zidonghua  (Dianli Xitong Zidonghua)
巻： 40  号： 15  ページ： 67-72,92  発行年： 2016年 
JST資料番号： C2510A  ISSN： 1000-1026  CODEN： DXZIE9  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： スマートグリッドの大規模データ環境の下で,電力系統の負荷変動を引き起こす多くの因子にはマルチソース不均一性があり,マルチコア関数を用いてマルチソース不均一性を処理し,それらの変化に対応することができ,負荷予測精度を向上させることができる。歴史的負荷,気温,気圧,相対湿度,降雨量,風向,風速,休日,および電力価格の9つの属性を,マルチソース関数の構成として選択し,二重層多核学習アルゴリズムを採用した。サポートベクトルマシン(SVM)の負荷予測アルゴリズムを提案し,HADOOPクラスタ上でシミュレーション検証を行った。シミュレーション結果は,単一カーネルSVMと比較して,マルチコアSVMの平均相対誤差が小さく,二重層マルチコア学習とL_Pノルムに基づく多カーネルSVMモデルの予測精度が最も高いことを示した。そのため,マルチコアSVMは負荷予測におけるマルチソースデータを効率的に扱うことができ,並列化処理により負荷予測の速度と精度を向上させることができる。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： 風向 ,  気温 ,  *負荷予測 ,  風速 ,  負荷変動 ,  *サポートベクトルマシン ,  相対湿度 ,  スマートグリッド ,  不均一性 ,  降雨量 ,  学習アルゴリズム
準シソーラス用語： 予測精度 ,  予測アルゴリズム ,  電力価格 ,  マルチコアプロセッサ , 【Automatic Indexing@JST】

著者キーワード (5件)： big data ,  multi-source heterogeneous characteristics ,  support vector machine (SVM) ,  load forecasting ,  paralleling

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (9件)： 影響因子 ,  マルチ ,  ソース ,  不均一 ,  融合 ,  短期 ,  負荷予測 ,  サポートベクトルマシン ,  アルゴリズム