文献

J-GLOBAL ID：201602264282070110   整理番号：16A1164088

データマイニングに基づくビルの短期負荷予測手法に関する研究【JST・京大機械翻訳】

Study of short-term load forecasting method based on data mining for buildings

著者 (5件)： Lin Shunfu (College of Electrical Engineering, Shanghai University of Electric Power,Shanghai Higher Institution Engineering Research Center of High Efficiency Electricity Application) ,  Hao Chao (College of Electrical Engineering, Shanghai University of Electric Power) ,  Tang Xiaodong (Shanghai Electrical Apparatus Research Institute) ,  Li Dongdong (College of Electrical Engineering, Shanghai University of Electric Power,Shanghai Higher Institution Engineering Research Center of High Efficiency Electricity Application) ,  Fu Yang (College of Electrical Engineering, Shanghai University of Electric Power)
資料名： Dianlixitong Baohu Yu Kongzhi  (Dianlixitong Baohu Yu Kongzhi)
巻： 44  号： 7  ページ： 83-89  発行年： 2016年 
JST資料番号： C2675A  ISSN： 1674-3415  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： ビルの短期負荷予測はビルのエネルギー効率管理システムにおいて、可能にシステムによる評価診断、最適化制御及びスケジューリング計画の重要な基礎である。高精度と実時間負荷情報の必要条件を満たすために,データマイニングサポートベクトルマシンに基づくビルの短期負荷予測法を提案した。予測点に類似したサンプルデータセットを選択し、K-平均アルゴリズムを用いてサンプルデータ集中の温度、湿度、気圧などの気象データに対してクラスタリングを行い、クラスタリング結果によって訓練サンプルを抽出し、最後にサポートベクトルマシン(SVM)アルゴリズムを用いて負荷予測モデルを構築した。実際の応用結果によると、この方法の予測結果の平均相対誤差は1.34%、相対誤差は1%以内の確率は67.5%に達し、既存の時系列法、同構造SVM法、気象要素を考慮しないDMSVM法などの方法より優れている。Data from the ScienceChina, LCAS.【JST・京大機械翻訳】

シソーラス用語： 最適制御 ,  気象要素 ,  必要条件 ,  *負荷予測 ,  クラスタ化 ,  スケジューリング ,  エネルギー効率 ,  サポートベクトルマシン ,  湿度 ,  管理システム ,  *データマイニング ,  気象データ
準シソーラス用語： 相対誤差 ,  実時間 ,  高精度 , 【Automatic Indexing@JST】

著者キーワード (5件)： energy management of buildings ,  load forecasting ,  data mining ,  support vector machine ,  cluster analysis

分類 (2件)： 人工知能  (JE08000Z) ,  医用情報処理  (JE15030Q)

タイトルに関連する用語 (5件)： データマイニング ,  ビル ,  短期 ,  予測手法 ,  研究