文献

J-GLOBAL ID：201702233171139190   整理番号：17A1275006

日常電力負荷予測のためのニューラルネットワーク構造の影響【Powered by NICT】

Effect of Neural Network structure for daily electricity load forecasting

著者 (2件)： Dilhani M H M R Shyamali (Department of Interdisciplinary Studies, Faculty of Engineering, University of Ruhuna, Hapugala, Galle, Sri Lanka) ,  Jeenanunta Chawalit (School of Management Technology, Sirindhorn International Institute of Technology, Thammasat University, Pathumthani 12000, Thailand)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： MERCon  ページ： 419-424  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 正確な電力需要予測は日常運用計画に重要である。は多くの決定に影響する,与えられた期間の電気を生成する約束。本論文では,人工ニューラルネットワーク(ANN)を用いた短期電力需要予測システムを提示した。モデルは2012年1月1日から2013年12月31日タイ(EGAT)の発電当局から温度を30分間歴史的負荷データで訓練し,試験した。ANNsはタイにおける毎日の電力需要を予測するために温度と歴史的負荷データを使用した。生データの休日,架橋休日,異常値が検出され,置換された。歴史的負荷(前日,前週),予測日全荷重,予測日温度,前日温度,暦日(1週間と月間の日),予測日休日であるかどうかは,入力パラメータとして用いた。予測性能を回帰モデルと比較した。最良の性能は,ANNを用いた示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 異常値 ,  回帰モデル ,  電力需要 ,  *電力 ,  *予測 ,  *負荷予測 ,  モデル ,  休暇 ,  *ニューラルネットワーク ,  発電
準シソーラス用語： 予測性能 ,  入力パラメータ ,  生データ ,  運用計画 ,  電力需要予測 , 【Automatic Indexing@JST】

分類 (5件)： 人工知能  (JE08000Z) ,  建設工学一般  (RA01011A) ,  固-液界面  (CB12050B) ,  電気自動車  (QG07020B) ,  油層工学  (UA10030G)

タイトルに関連する用語 (3件)： 電力負荷 ,  予測 ,  ニューラルネットワーク