文献

J-GLOBAL ID：201802227468598932   整理番号：18A0333577

カッコウ探索アルゴリズムにより最適化した特異スペクトル解析とサポートベクトルマシンに基づく短期電力負荷予測【Powered by NICT】

Short-term electric load forecasting based on singular spectrum analysis and support vector machine optimized by Cuckoo search algorithm

著者 (3件)： Zhang Xiaobo (School of Statistics, Dongbei University of Finance and Economics, Dalian 116025, China) ,  Wang Jianzhou (School of Statistics, Dongbei University of Finance and Economics, Dalian 116025, China) ,  Zhang Kequan (Key Laboratory of Arid Climatic Change and Reducing Disaster of Gansu Province, College of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China)
資料名： Electric Power Systems Research  (Electric Power Systems Research)
巻： 146  ページ： 270-285  発行年： 2017年 
JST資料番号： C0994A  ISSN： 0378-7796  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 短期電力負荷予測(STLF)は電力系統の計画と運転におけるその重要な役割のため,研究の最も活性な領域の一つである。さらに,知的方法は予測モデル応用においてますます普及している。しかし,観察されたデータセットは,STLFの精度を高めることが困難になるようの結果としてしばしば汚染と非線形である。そこで,本論文では電力負荷予測のための新しいモデル(CS SSA SVM)はSSA(特異スペクトル解析),SVM(サポートベクトルマシン)とCS(カッコー探索)アルゴリズムの組合せによって提案されたことに成功した。最初に,信号フィルタリング法(SSA)は,データ前処理に適用し,新しいモデルは,CSアルゴリズムにより最適化されたSVMを用いた異なる予測戦略と得られた系列をモデル化した。最後に,電力負荷予測の実験は,開発したモデルの性能を評価するために実例として使用した。経験的結果は,提案したモデル(CS SSA SVM)は,他の方法(SVM,CS SVM,SSA SVM,SARIMAとBPNN)と比較して電力負荷予測の性能をかなり改善できることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *予測 ,  *アルゴリズム ,  予測モデル ,  モデリング ,  *最適化 ,  *サポートベクトルマシン ,  フィルタリング ,  電力系統 ,  *負荷予測
準シソーラス用語： データ前処理 ,  *電力負荷 ,  *短期電力負荷予測 ,  *特異スペクトル解析 ,  *探索アルゴリズム , 【Automatic Indexing@JST】

著者キーワード (5件)： 特異スペクトル解析 ,  カッコウ探索アルゴリズム ,  サポートベクトルマシン ,  電気負荷予測 ,  有効性予測

分類 (2件)： 変圧器  (NB08020Q) ,  電力系統一般  (NB02000E)

タイトルに関連する用語 (5件)： 探索アルゴリズム ,  最適化 ,  特異スペクトル解析 ,  サポートベクトルマシン ,  短期電力負荷予測