文献

J-GLOBAL ID：201702242604439633   整理番号：17A0966447

IoTベースオンライン負荷予測【Powered by NICT】

IoT Based Online Load Forecasting

著者 (2件)： Saber Ahmed Yousuf ,  Khandelwal Tanuj
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： GreenTech  ページ： 189-194  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： 負荷予測は,データ集中統計的手法である。物のインターネット(IoT)に基づくオンライン負荷予測(LF)は,需要に関するインターネットからデータを収集し,予測のための高速統計的および最適化手法を効率良く実行する。IoTベースオンラインLFは電力系統特性でなく,インターネット,マシン同士(M2M)接続,通信と計算施設に依存する。スマートグリッド技術のより良い利用,信頼性,安定性と制御のための限界は,伝統的な負荷予測と異なったものにする。電力システムは典型的には大型で,複雑かつ分散していた。本研究では,負荷データをスマートメータから採取し,歴史的な負荷データとして貯蔵されている。しかし,良好な精度でgiven地理的位置を含む温度,湿度,風速,風向,熱,日光,日射,降雨などの気象データは,オンデマンドインターネットから収集した。計算は二段階で実施した:第一のニューラルネットワーク(NN)訓練は,全体的な予測誤差を改善するために負荷の動力学と,NN重みに最適化を地図化した。NNは,複雑な関係をマッピングするための有効な数学的ツールである。一方,最も有望な群に基づく最適化ツールであるため粒子群最適化(PSO)を用いた。結果は,IoTにおける提案したオンライン短期負荷予測の有効性を示した。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： ニューラルネットワーク ,  最適化手法 ,  信頼性 ,  インターネット ,  予測誤差 ,  風速 ,  *負荷予測 ,  最適化 ,  気象データ ,  太陽光 ,  スマートグリッド ,  統計的方法
準シソーラス用語： スマートメータ ,  *オンライン ,  *モノのインターネット , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (3件)： IoT ,  オンライン ,  負荷予測