ミバエ最適化アルゴリズムを用いた一般化回帰ニューラルネットワークに基づいたハイブリッド年次電力負荷予測モデル

LI Hong-ze; GUO Sen; LI Chun-jie; SUN Jing-qi

文献

J-GLOBAL ID：201302224146095437 整理番号：13A0152430

ミバエ最適化アルゴリズムを用いた一般化回帰ニューラルネットワークに基づいたハイブリッド年次電力負荷予測モデル

A hybrid annual power load forecasting model based on generalized regression neural network with fruit fly optimization algorithm

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=13A0152430&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=13A0152430&from=J-GLOBAL&jstjournalNo=T0426A") }}

著者 (4件)： , , ,
資料名：
巻： 37 ページ： 378-387 発行年： 2013年01月
JST資料番号： T0426A ISSN： 0950-7051 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

正確な年次電力負荷予測は電力グリッド運用及び電力構築計画に対して信頼できるガイダンスを提供でき,また電気事業の持続可能な発展に対しても重要である。負荷曲線が非線形特性を示すので年次電力負荷予測は非線形問題である。一般化回帰ニューラルネットワーク(GRNN)は非線形問題の扱いにおいて効果的であると証明されたが,年次電力負荷予測に対してGRNNが滅多に適用されない事は非常に残念な検出である。それ故に,本論文において年次電力負荷予測用にGRNNを用いた。しかしながら,電力負荷予測に対するGRNNの使用において適切な拡がりパラメータを決定する方法は鍵となる点である。本論文においてこの問題を解決するためにミバエ最適化アルゴリズム(FOA)と一般化回帰ニューラルネットワークとを組み合わせたハイブリッド年次電力負荷予測モデルを提案した。ここでGRNN電力負荷予測モデルに対する適切な拡がりパラメータ値を自動的に選択するためにFOAを用いた。2つの実験シミュレーションによって本提案ハイブリッドモデルの有効性を証明した。双方のシミュレーションは年次電力負荷予測において提案ハイブリッドモデルがデフォルトパラメータを有したGRNNモデル,粒子群最適化を用いたGRNNモデル(PSOGRNN),擬似焼きなまし法を用いた最小二乗サポートベクトルマシン(SALSSVM)及び通常の最小二乗線形回帰(OLS_LR)予測モデルの性能を上回る事を示した。Copyright 2013 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

, , , , , ,
, ,

人工知能

, , ,

前のページに戻る