文献

J-GLOBAL ID：201702254789663253   整理番号：17A1939498

大データクラスタリングに基づく電力系統の中長期負荷予測【JST・京大機械翻訳】

Mid-long Term Load Forecasting of Power System Based on Big Data Clustering

著者 (6件)： Xu Yuan (国网四川省電力公司綿陽供電公司,綿陽,621000) ,  Cheng Qianshan (武漢大学電气工程学院,武漢,430072) ,  Li Yang (国网四川省電力公司綿陽供電公司,綿陽,621000) ,  Zhang Hao (国网四川省電力公司綿陽供電公司,綿陽,621000) ,  Yu Wei (国网四川省電力公司綿陽供電公司,綿陽,621000) ,  He Bing (国网四川省電力公司綿陽供電公司,綿陽,621000)
資料名： Dianli Xitong Jiqi Zidonghua Xuebao  (Dianli Xitong Jiqi Zidonghua Xuebao)
巻： 29  号： 8  ページ： 43-48  発行年： 2017年 
JST資料番号： C2509A  ISSN： 1003-8930  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 電力網のデータ収集能力の向上に伴い、大量の負荷と関連データが蓄積され、負荷予測のために新たな考え方が開かれた。本論文では,大データ技術を用いた中長期負荷予測のための新しい方法を提案した。最初に,歴史的負荷シーケンスの成長傾向,変動性などの変化特性のパラメトリック表現により,負荷の標準化処理を実現し,大データクラスタリングのサンプルを形成した。次に,大規模データ解析プラットフォームのデータ処理能力を結合して,MapReduce並列プログラミングモデルに基づく改良ファジィK平均クラスタリングアルゴリズムを設計し,負荷データのクラスタ化を実現した。最後に,同じクラスタ化負荷を統合して,予測モデルを確立した。計算結果により,大規模データクラスタリングアルゴリズムは,大量の負荷データのクラスタ化を効果的に行うことができ,そして,異なる成長特性負荷の識別および予測を実現することができ,そして,高い予測精度を持った。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 曖昧さ ,  クラスタ化 ,  標準化 ,  *負荷予測 ,  予測モデル ,  *電力系統 ,  データ収集 ,  データ処理
準シソーラス用語： 予測精度 ,  クラスタリングアルゴリズム ,  並列プログラミング ,  MapReduce ,  大規模データ ,  *データクラスタリング , 【Automatic Indexing@JST】

著者キーワード (5件)： big data ,  mid-long term load forecasting ,  clustering analysis ,  MapReduce ,  parallel programming

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (3件)： データクラスタリング ,  電力系統 ,  負荷予測