文献

J-GLOBAL ID：201802277866520332   整理番号：18A1256112

スマートグリッドにおける短期負荷予測へのCNNベースのBagging学習アプローチ【JST・京大機械翻訳】

A CNN based bagging learning approach to short-term load forecasting in smart grid

著者 (3件)： Dong Xishuang (Center of Excellence in Research and Education for Big Military Data Intelligence, Prairie View A&M University, Texas A&M University System, Prairie View, TX 77446, USA) ,  Qian Lijun (Center of Excellence in Research and Education for Big Military Data Intelligence, Prairie View A&M University, Texas A&M University System, Prairie View, TX 77446, USA) ,  Huang Lei (Center of Excellence in Research and Education for Big Military Data Intelligence, Prairie View A&M University, Texas A&M University System, Prairie View, TX 77446, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： SmartWorld/SCALCOM/UIC/ATC/CBDCom/IOP/SCI  ページ： 1-6  発行年： 2017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： スマートグリッドにおける短期負荷予測は,発電機のための電力配分スケジューリング,信頼性解析,および保全計画にとって重要である。本論文では,時間毎負荷を予測するための畳込みニューラルネットワーク(CNN)ベースのバギングモデルを提案した。大負荷データセットに関する予測モデルを訓練するためにCNNを採用した。次に,実際の産業負荷データセットを多くのサブセットに分割し,弱い予測モデルを学習するために,これらのサブセットに関する予測モデルを微調整し,これらの弱い予測モデルを組み立てて,学習と組立手順をパークに実装した。具体的には,これらのデータ集合におけるすべての負荷サンプルを,画像におけるピクセルの関係と負荷サンプルにおける特徴の間の類似性に関する画像として再構成した。実験結果は,提案方法の有効性を示した。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： 画像 ,  再構成 ,  部分集合 ,  画素 ,  *学習 ,  *負荷予測 ,  スケジューリング ,  予測モデル ,  *スマートグリッド ,  信頼性解析 ,  配電 ,  類似性
準シソーラス用語： 微調整 ,  保守スケジューリング , 【Automatic Indexing@JST】

分類 (2件)： 電力系統一般  (NB02000E) ,  電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (5件)： スマートグリッド ,  短期 ,  負荷予測 ,  CNN ,  学習