文献

J-GLOBAL ID：201802230057969180   整理番号：18A1773918

機械学習による電力負荷と風力の予測間隔構築【JST・京大機械翻訳】

Prediction Interval Construction for Electric Load and Wind Power via Machine Learning

著者 (3件)： Zhang Wenjie (Department of Electrical and Computer Engineering, National University of Singapore, 117583, Singapore) ,  Quan Hao (Experimental Power Grid Centre (EPGC), Agency for Science, Technology and Research (A*STAR), 627590, Singapore) ,  Srinivasan Dipti (Department of Electrical and Computer Engineering, National University of Singapore, 117583, Singapore)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ISGT Asia  ページ： 716-721  発行年： 2018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： 正確で信頼できる予測方法は,スマートグリッド運用と計画に不可欠である。しかし,非決定論的電力負荷や再生エネルギー源からの断続的発電のような固有の不確実性のために,従来の点予測法は,各時間ステップで予測値のみが生成されるので,ほとんど正確ではない。多様な不確実性を評価するために,予測間隔(PI)の形式にある確率的予測は,将来のスマートグリッドにおける予測タスクに対して好ましい。本論文では,PIの信頼性と鮮鋭度の両方を強化するための新しいアンサンブル機械学習手法を提案した。提案したアプローチにおいて,点予測と確率的勾配ブースト量子化回帰を組み込んだ新しいフレームワークを,論理的PIを同定し,修正するために作成した。さらに,提案したアプローチを実行するための明示的手順と経験的パラメータ調整法を提案した。提案した方法の性能を,スマートグリッドにおける2つの予測タスク,すなわち負荷予測と風力予測に対して検証した。ベンチマークモデルと比較して,提案した手法はよりロバストであり,複数のPI評価指標によって測定されるように,著しく強化された性能を示す。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  信頼性 ,  不確実性 ,  *予測 ,  発電 ,  負荷予測 ,  鮮鋭度 ,  *風力 ,  ベンチマーク ,  ロバスト性 ,  *機械学習 ,  スマートグリッド
準シソーラス用語： 予測値 ,  *電力負荷 ,  再生可能エネルギー源 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 機械学習 ,  電力負荷 ,  風力 ,  予測 ,  構築