文献

J-GLOBAL ID：201702282027180882   整理番号：17A1257457

人工ニューラルネットワークを用いた産業用マイクログリッドにおける残留電力ピークの予測【Powered by NICT】

Prediction of residual power peaks in industrial microgrids using artificial neural networks

著者 (4件)： Vogt Thorsten (Paderborn University, Power Electronics and Electrical Drives (LEA), D-33095 Paderborn, Germany) ,  Weber Daniel (Paderborn University, Power Electronics and Electrical Drives (LEA), D-33095 Paderborn, Germany) ,  Wallscheid Oliver (Paderborn University, Power Electronics and Electrical Drives (LEA), D-33095 Paderborn, Germany) ,  Bocker Joachim (Paderborn University, Power Electronics and Electrical Drives (LEA), D-33095 Paderborn, Germany)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 3228-3235  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： 系統連系運転中の産業用マイクログリッドの主な目的は,最大コストマイクログリッド所有者にとって節約できる。多くの企業は,電気エネルギーの量だけでなく,最大電力,課金期間内の配電系統からの支払だけではない。これらの条件の下でコスト節約の二つの基本的なオプションは,マイクログリッド内の局所エネルギー貯蔵システムを利用した存在する最大出力ピーク(ピークシェービング)の還元と自己消費の増加。最大コスト削減のために,両者を結合する運転戦略が望ましいが,併用はさらに残留電力潮流に関する情報が必要である。好きな選択肢は将来への残留電力潮流の外挿である。不幸にして,残留パワーの外挿の誤差が重要な状況での悪い結果をもたらすことが分かった。そこで本論文では,残留パワーピーク,それは外挿と平行して機能することを予測するために訓練された付加的な人工ニューラルネットワーク(ANN)を提示した。アプリケーション固有増強は外挿誤差の影響を最小化し,結果と信頼性の元の戦略を改善する。典型的な応用のために,工業的マイクログリッドの自己消費は,ピークパワー予測しない元の結果と比較して約27%増加した。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： 電力潮流 ,  *予測 ,  ピークシェービング ,  外挿法 ,  配電系統 ,  *ニューラルネットワーク ,  応用プログラム ,  *マイクログリッド ,  原価低減 ,  信頼性 ,  *電力
準シソーラス用語： エネルギー貯蔵システム ,  ピーク電力 ,  電気エネルギー ,  系統連系運転 , 【Automatic Indexing@JST】

分類 (5件)： 医療用機器装置  (GA05020L) ,  電力系統一般  (NB02000E) ,  ゴム・プラスチック材料  (HC05030D) ,  プラズマ一般  (BJ02010B) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： 人工ニューラルネットワーク ,  産業 ,  マイクログリッド ,  残留 ,  予測