文献

J-GLOBAL ID：201702288703754208   整理番号：17A1521827

KPCAとNSGAIIに基づくCNNパラメータを最適化する電気自動車充電ステーションの短期負荷予測【JST・京大機械翻訳】

Short-Term Load Forecasting of Electric Vehicle Charging Station Based on KPCA and CNN Parameters Optimized by NSGAII

著者 (5件)： Niu Dongxiao (華北電力大学経済与管理学院,北京市,102206) ,  Ma Tiannan (華北電力大学経済与管理学院,北京市,102206) ,  Wang Haichao (華北電力大学経済与管理学院,北京市,102206) ,  Liu Hongfei (華北電力大学経済与管理学院,北京市,102206) ,  Huang Yali (華北電力大学経済与管理学院,北京市,102206)
資料名： Dianli Jianshe  (Dianli Jianshe)
巻： 38  号： 3  ページ： 85-92  発行年： 2017年 
JST資料番号： C3445A  ISSN： 1000-7229  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： それは電気自動車充電ステーションの短期負荷予測の効率と精度を向上させることができる。カーネル主成分分析(kernel principal component analysis、KPCA)と非劣位遺伝的アルゴリズムII(non-dominated sorting genetic algorithm II、NSGAII)に基づく最適化した畳込み神経回路網(convolutional neural network、CNN)の充電ステーション短期負荷予測方法を提案した。KPCAは,モデル入力変数をノイズ除去するために使用して,ネットワーク構造を単純化して,予測速度を加速した。畳込みニューラルネットワークモデルにおける畳込み層とサブサンプリング層の最適ニューロン数を,多重負荷予測試験の比較誤差により決定し,予測法の正確さを保証した。NSGAIIを用いて,畳込み神経回路網のパラメータを最適化し,予測法の計算速度と予測精度を改善した。数値例と他の方法との比較により,提案した方法が高い効率と精度を有することを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： *電気自動車 ,  畳込み ,  計算機処理速度 ,  ニューロン ,  神経回路網 ,  *予測 ,  *負荷予測 ,  雑音低減 ,  *最適化 ,  遺伝的アルゴリズム ,  予測技法 ,  ネットワーク構造
準シソーラス用語： 神経回路網モデル ,  *充電ステーション ,  *カーネル主成分分析 , 【Automatic Indexing@JST】

著者キーワード (5件)： electric vehicle charging station ,  short-term load forecasting ,  kernel principal component analysis (KPCA) ,  non-dominated sorting genetic algorithm II (NSGAII) ,  convolutional neural network (CNN)

分類 (2件)： 電力系統一般  (NB02000E) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (8件)： KPCA ,  CNN ,  パラメータ ,  最適化 ,  電気自動車 ,  充電ステーション ,  短期 ,  負荷予測