文献

J-GLOBAL ID：201902212944279451   整理番号：19A1484490

深い残留ネットワークによる短期負荷予測【JST・京大機械翻訳】

Short-Term Load Forecasting With Deep Residual Networks

著者 (6件)： Chen Kunjin (Department of Electrical Engineering, State Key Laboratory of Power Systems, Tsinghua University, Beijing, China) ,  Chen Kunlong (Department of Electrical Engineering, Beijing Jiaotong University, Beijing, China) ,  Wang Qin (Department of Information Technology and Electrical Engineering, ETH Zurich, Zuerich, Switzerland) ,  He Ziyu (Department of Industrial and Systems Engineering, University of Southern California, Los Angeles, CA, USA) ,  Hu Jun (Department of Electrical Engineering, State Key Laboratory of Power Systems, Tsinghua University, Beijing, China) ,  He Jinliang (Department of Electrical Engineering, State Key Laboratory of Power Systems, Tsinghua University, Beijing, China)
資料名： IEEE Transactions on Smart Grid  (IEEE Transactions on Smart Grid)
巻： 10  号： 4  ページ： 3943-3952  発行年： 2019年 
JST資料番号： W2294A  ISSN： 1949-3053  CODEN： ITSGBQ  資料種別： 逐次刊行物 (A)
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： 本論文では,深い残留ネットワークに基づく短期電力負荷を予測するモデルを示した。提案したモデルは,異なるニューラルネットワーク構築ブロックによるタスクのドメイン知識と研究者の理解を統合することができる。具体的には,予測結果を改善するために修正した深い残留ネットワークを定式化した。さらに,二段階アンサンブル戦略を用いて,提案したモデルの一般化能力を強化した。また,提案したモデルをモンテカルロドロップアウトを用いた確率的負荷予測に適用した。3つの公開データセットを用いて,提案したモデルの有効性を証明した。複数のテストケースと既存のモデルとの比較は,提案したモデルが正確な負荷予測結果を提供し,高い一般化能力を持つことを示した。Copyright 2019 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 ,  ドメイン知識 ,  *負荷予測 ,  モンテカルロ法 ,  *ネットワーク ,  定式化 ,  有効性 ,  ニューラルネットワーク
準シソーラス用語： テストケース ,  電力負荷 , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (3件)： 残留 ,  短期 ,  負荷予測