文献

J-GLOBAL ID：201702284961222790   整理番号：17A1272920

大規模消費者のための電力負荷予測法【Powered by NICT】

Electricity load forecasting method for large consumers

著者 (4件)： Zijian Huang (School of Electric Power, South China University of Technology, Guangzhou, China) ,  Hongxia Guo (School of Electric Power, South China University of Technology, Guangzhou, China) ,  Ping Yang (South China University of Technology/Guangdong Key Laboratory of Clean Energy Technology, Guangzhou, China) ,  Zhirong Xu (School of Electric Power, South China University of Technology, Guangzhou, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IFEEC 2017 - ECCE Asia  ページ： 1703-1707  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： 大消費者の電力負荷は短期間でランダムに変動させるとより長い時間スケールで周期的に変化する特性を持っている。近年,地域負荷に及ぼすこれらの種類の消費者の影響を,全負荷の予測精度を改善するための重要な因子となっているして増加している。本論文では,小さなサンプルに基づく優れた学習能力をもつパラメータ改善されたサポートベクトルマシン(SVM)これらの荷重のランダム変動に適合した。に加えて,荷重の長周期で示された周期的傾向を掘るために著者らは同じ時間期間の概念を導入した。典型的大型消費者のシミュレーション結果は,負荷の高い予測精度,アルゴリズムの有効性を示しているを示した。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： アルゴリズム ,  *消費者 ,  *予測技法 ,  長周期 ,  シミュレーション
準シソーラス用語： 学習能力 ,  予測精度 ,  *電力負荷 , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  電力系統一般  (NB02000E) ,  冷房  (PC02030Q)

タイトルに関連する用語 (4件)： 大規模 ,  消費者 ,  電力負荷 ,  予測法