文献

J-GLOBAL ID：201802234096111902   整理番号：18A0870041

Kalmanフィルタ予測に基づく電気自動車の分時リースモニタリングデータの人為的介入技術研究【JST・京大機械翻訳】

Study of eliminating human intervention for electric vehicle time-sharing leasing monitoring data based on a modified Kalman filter prediction algorithm

著者 (6件)： Long Yi (国网重慶市電力公司電力科学研究院,重慶,401123) ,  Hou Xingzhe (国网重慶市電力公司電力科学研究院,重慶,401123) ,  Xiao Jianfeng (国网重慶市電力公司電力科学研究院,重慶,401123) ,  Sun Hongliang (国网重慶市電力公司電力科学研究院,重慶,401123) ,  Liu Yongxiang (国网重慶市電力公司電力科学研究院,重慶,401123) ,  Zhu Bin (国网重慶市電力公司電力科学研究院,重慶,401123)
資料名： Diance yu Yibiao  (Diance yu Yibiao)
巻： 54  号： 21  ページ： 67-73  発行年： 2017年 
JST資料番号： C3447A  ISSN： 1001-1390  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： 社会環境保護意識の強化に伴い、クリーンエネルギーの電気自動車を広く普及させ、電気自動車の分業業務は絶えずに拡大し、マルチレベル管理プラットフォームは紛争的に確立している。総合管理プラットフォームで収集した電気自動車のパラメータはますます蓄積し、大データの分析に堅固な基礎を築いた。前処理技術は,データ収集の過程において重要な役割を果たす。特に、各運営商子プラットフォームから採集したモニタリングデータには、人為的介入リスクが存在する。そのため、本論文では、人為的介入確率曲線を用いて、監視データと共分散比との関係を定量化し、人為的介入確率曲線区間と観測量関係を入力とし、回帰対象決定木を構築し、従来のKalmanフィルタアルゴリズムを導入し、それによって、意思決定ツリー分析に基づくKalmanフィルタ予測方法を提案し、それによって、人為改変の介入影響を減らし、運営総プラットフォームで採集したデータの人為的介入の目的を達した。車両速度予測の領域に適用して,より高い信頼性の車両速度予測データを得て,それは効果的に大規模なデータ分析のための堅固な技術サポートを提供することができた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： クリーンエネルギー ,  前処理 ,  ロバスト性 ,  *電気自動車 ,  ディシジョンツリー ,  データ解析 ,  アルゴリズム ,  共分散 ,  *Kalmanフィルタ ,  データ収集 ,  意思決定 ,  *予測 ,  予測技法
準シソーラス用語： 高信頼性 ,  マルチレベル , 【Automatic Indexing@JST】

著者キーワード (5件)： electric vehicle ,  time-sharing leasing ,  vehicle speed ,  Kalman filter algorithm ,  human intervention

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (5件)： Kalmanフィルタ ,  予測 ,  電気自動車 ,  時 ,  研究