文献

J-GLOBAL ID：201602246538068506   整理番号：16A0967383

電力負荷予測のための複数の季節パターンと修正されたホタルアルゴリズムに基づく結合モデル

A combined model based on multiple seasonal patterns and modified firefly algorithm for electrical load forecasting

著者 (4件)： Xiao Liye (School of Physical Electronics, University of Electronic and Technology of China, Chengdu, China) ,  Shao Wei (School of Physical Electronics, University of Electronic and Technology of China, Chengdu, China) ,  Liang Tulu (School of Physical Electronics, University of Electronic and Technology of China, Chengdu, China) ,  Wang Chen (School of Mathematics and Statistics, Lanzhou University, Lanzhou, China)
資料名： Applied Energy  (Applied Energy)
巻： 167  ページ： 135-153  発行年： 2016年04月01日 
JST資料番号： A0097A  ISSN： 0306-2619  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)

抄録/ポイント： 短期間電力負荷予測(STLF)は,電力系統の能率的運用において,置き換えられない役割を果たす。特に電気市場と産業において,正確な予測はユーティリティと電力システムの運用事業者に,有効な将来プランと経済的運用を提供するかもしれない。したがって,より正確で安定した負荷予測モデルが,電気負荷予測の分野で本質的に必要とされる。個々のモデルの限界を回避するために,新しい結合モデルが提案された。このモデルでは,オリジナルのデータから干渉を抑制するのに使用される複数の季節パターンを除いて,新しい最適化アルゴリズムが,非正の制約組み合わせ理論に基づいて結合モデルの荷重係数を最適化するために適用された。提案された結合モデルの予測能力を推定するために,オーストラリア,ニューサウスウェールズ州,ビクトリア州,およびクイーンズランド州からの半時間電力データが,ケース研究として本論文で使用された。数値実験では,他の6つの単独モデルと比較して,結合モデルの平均値の平均絶対パーセント誤差(MAPEs)は,それぞれ0.7138%,1.0281%,4.8394%,0.9239%,9.6316%,および7.3367%減少した。Copyright 2016 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *最適化手法 ,  負荷 ,  電力 ,  *短期予測 ,  *結合モデル ,  *系統運用 ,  *予測誤差 ,  能力 ,  *季節的変動
準シソーラス用語： *ホタルアルゴリズム ,  電力負荷 ,  *短期電力負荷予測 ,  *電力系統運用 ,  *平均絶対誤差 ,  予測能力 ,  季節変動

著者キーワード (4件)： Short-term load forecasting ,  Combined model ,  Forecasting accuracy ,  Weight coefficient optimization

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (5件)： 電力負荷 ,  予測 ,  季節 ,  ホタルアルゴリズム ,  結合モデル