文献

J-GLOBAL ID：201802267374764628   整理番号：18A0824589

再生可能発電と電気輸送を増加させるシナリオ下の将来の負荷プロファイル【JST・京大機械翻訳】

Future load profiles under scenarios of increasing renewable generation and electric transport

著者 (3件)： Allison M. (School of Science, Engineering and Design, Teesside University, Middlesbrough, UK) ,  Akakabota E. (School of Science, Engineering and Design, Teesside University, Middlesbrough, UK) ,  Pillai G. (School of Science, Engineering and Design, Teesside University, Middlesbrough, UK)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICREGA  ページ： 296-300  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： 負荷プロファイルは送電と配電会社の意思決定プロセスに不可欠である。顧客側再生可能発電と電気輸送のレベルの増加は,負荷プロファイルの性質を著しく変える。歴史的データに依存する従来の方法は,将来のますます複雑な電力ネットワークのモデリングに適していない。本論文において,太陽光発電(PV)発電と電気自動車(EV)の増加レベルの下で将来の負荷プロファイルを合成する実現可能性を,公的に利用可能なデータで訓練された人工ニューラルネットワーク(ANN)ベースの方法を用いて研究した。提案した方法の性能を,英国の目標地域に対して開発した事例研究を用いて評価した。多重線形回帰(MLR)を用いたものに対するANNモデルからの結果の比較は,MLR上でのANNの優れた性能を実証し,ANNの将来の負荷プロファイルを合成するためのANNの実行可能性を証明した。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： 電気自動車 ,  太陽光発電 ,  *エレクトロトランスポート ,  ニューラルネットワーク ,  英国 ,  事例研究 ,  配電 ,  モデリング ,  *発電 ,  電力系統
準シソーラス用語： 多重線形回帰 ,  意思決定のプロセス , 【Automatic Indexing@JST】

分類 (5件)： 人工知能  (JE08000Z) ,  太陽エネルギー  (LB03030Q) ,  エネルギーに関する技術・経済問題  (LA01050V) ,  ガスクロマトグラフィー  (CC04013U) ,  電気自動車  (QG07020B)

タイトルに関連する用語 (4件)： 発電 ,  電気輸送 ,  シナリオ ,  プロファイル