文献

J-GLOBAL ID：201702270373488257   整理番号：17A1257172

短期負荷予測のためのデータセットの圧縮フィルタリングと伝達拡大【Powered by NICT】

Compress-filtering and transfer-expanding of data set for short-term load forecasting

著者 (3件)： Zeng Pan (College of Computer Science and Electronic Engineering, Hunan University, Changsha, Hunan, PR China) ,  Wu Di (College of Computer Science and Electronic Engineering, Hunan University, Changsha, Hunan, PR China) ,  Jin Min (College of Computer Science and Electronic Engineering, Hunan University, Changsha, Hunan, PR China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 1095-1101  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： 短期負荷予測では,データセット構築は予測精度の向上に重要な役割を果たしている。標的都市の負荷データをフィルタリングすることで始まり,近隣都市の負荷データ転送と拡張し,データセット構築に及ぼす荷重,休日と負荷成長速度の周期性の影響を分析した。圧縮フィルタリングと移動拡大を組み合わせたデータセット工法は,解析に基づいて提案した。この方法では,最初に,月別データを圧縮するにおける周期的傾向と他の関連因子のランダム性の両方を考慮した週毎のデータに平均圧縮法を適用した。トレーニングセットを予測か月の負荷変動パターンと歴史的データの間の類似性に従って選択した。第二に,標的都市と周辺都市間の荷重データの類似性の分析に基づいて,著者らは異なる都市間の負荷変動パターンの差を測定するための負荷成長速度を導入した。負荷成長速度に基づいて,転移学習法は,標的都市へ源都市のデータを伝送する提案した。実負荷データに関する事例研究を,相互情報フィルタリングベース予測法と知識移転膨張法と比較して,平均絶対百分率誤差は26%と9.5%減少したことを示した。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： 予測技法 ,  類似性 ,  都市 ,  *負荷予測 ,  データ転送 ,  *フィルタリング ,  事例研究 ,  成長速度 ,  負荷変動
準シソーラス用語： 知識移転 ,  情報フィルタリング ,  転移学習 ,  ランダム性 ,  周期性 ,  予測精度 , 【Automatic Indexing@JST】

分類 (2件)： 電力系統一般  (NB02000E) ,  電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (5件)： 短期 ,  負荷予測 ,  データセット ,  フィルタリング ,  拡大