文献

J-GLOBAL ID：201402270616432604   整理番号：14A0103523

電気負荷予測用の経験的モード分解と自己回帰に基づくサポートベクトルマシンモデル

Support Vector Regression Model Based on Empirical Mode Decomposition and Auto Regression for Electric Load Forecasting

著者 (5件)： FAN Guo-Feng (Kunming Univ. Sci. and Technol., Kunming, CHN) ,  QING Shan (Kunming Univ. Sci. and Technol., Kunming, CHN) ,  WANG Hua (Kunming Univ. Sci. and Technol., Kunming, CHN) ,  HONG Wei-Chiang (Oriental Inst. of Technol., Taipei, TWN) ,  LI Hong-Juan (Kunming Univ. Sci. and Technol., Kunming, CHN)
資料名： Energies (Web)  (Energies (Web))
巻： 6  号： 4  ページ： 1887-1901 (WEB ONLY)  発行年： 2013年04月 
JST資料番号： U7016A  ISSN： 1996-1073  CODEN： ENERGA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 電力負荷予測は,エネルギー移動スケジューリング・設備予約・負荷配分のような毎日の運用管理に伴う発電所の重要な課題である。サポートベクトルマシン回帰SVRの強力な非線形学習能力に刺激されて,本報は,電力負荷予測のために,経験的モード分解法と自己回帰とをハイブリッド化したSVRモデルを示した。オーストラリアのNew South Wales市場の電力負荷データを使って,各種予測モデルの予測性能を比較した。その結果,提案したモデルが良い精度の予測と解釈性を持つ予測を同時に提供できるアイデアの妥当性を確認した。(翻訳著者抄録)

シソーラス用語： 周波数解析 ,  自己回帰モデル ,  *サポートベクトルマシン ,  負荷 ,  *負荷予測 ,  オーストラリア連邦 ,  予測モデル ,  電力市場 ,  スケジューリング
準シソーラス用語： 経験的モード分解 ,  電力負荷

分類 (1件)： 電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (4件)： 電気負荷 ,  予測 ,  経験的モード分解 ,  自己回帰