文献

J-GLOBAL ID：201902227155779881   整理番号：19A1530332

条件付きCopula関数に基づく負荷の多目的区間予測【JST・京大機械翻訳】

Multi-Objective Interval Prediction of Load Based on the Conditional Copula Function

著者 (6件)： Zhang Gang (Institute of Water Resources and Hydro-Electric Engineering, Xi’an University of Technology, Xi’an 710048, China) ,  Li Zhixuan (Institute of Water Resources and Hydro-Electric Engineering, Xi’an University of Technology, Xi’an 710048, China) ,  Hou Jinwang (Institute of Water Resources and Hydro-Electric Engineering, Xi’an University of Technology, Xi’an 710048, China) ,  Zhang Kaoshe (Institute of Water Resources and Hydro-Electric Engineering, Xi’an University of Technology, Xi’an 710048, China) ,  Liu Fuchao (State Grid Gansu Electric Power Company, Gansu Electric Power Research Institute, Lanzhou 730050, China) ,  Zhang Xin (Shaanxi Electric Power Trading Center Co., Ltd.; Xi’an 710048, China)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 9  号： 5  ページ： 955  発行年： 2019年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 点予測と比較して,負荷の間隔予測は,電力系統の安全運転をより効果的に保証することができた。隣接負荷データの間の相関が完全に利用されないという問題の観点から,予測精度が減少するように,本論文は条件付きの関数間隔予測方法を提案して,それは間隔予測結果を得るために隣接負荷データの間の相関関係を完全に利用することができた。同時に,異なるパラメータの下でのこの方法の異なる予測結果があり,PICP(予測間隔被覆確率)とPIAW(予測間隔平均幅)を含む2つの精度評価指標の評価結果は一致しない。したがって,最適パラメータと予測結果を得ることができず,最適予測モデルパラメータと対応する予測結果を得る。最後に,提案した方法を中国陝西省の3つの地域に適用し,超短期負荷予測を行い,Gauss過程回帰(GPR)アルゴリズム,人工ニューラルネットワーク(ANN),極値学習機械(ELM)などの一般的に使用される負荷間隔予測法と比較し,その結果は,異なる領域に適用した場合,常に良好な予測精度を持つことを示した。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 電力系統 ,  ニューラルネットワーク ,  アルゴリズム ,  被覆 ,  学習機械 ,  パラメータ ,  *予測 ,  負荷予測 ,  予測技法
準シソーラス用語： Gauss過程回帰 ,  モデルパラメータ ,  最適予測 ,  最適パラメータ ,  予測精度 ,  安全運転 , 【Automatic Indexing@JST】

著者キーワード (4件)： 負荷予測 ,  区間予測 ,  条件付きコピュラ関数 ,  多目的最適化アルゴリズム

分類 (1件)： 自然災害  (RA02030M)

引用文献 (37件)：

• Guo, H.C. Research on Development of Demand Side Management System Based on Load Analysis in Smart Grid. Ph.D. Dissertation, North China Electric Power University, Beijing, China, 2014.
• Li, P. Research on Risk Element Transfer Model and Decision Support System of Smart Grid Operation Management. Ph.D. Dissertation, North China Electric Power University, Beijing, China, 2014.
• Chen, X.L. Load Forecasting and Pricing Mechanism of Interactive Smart Grid. Master’s Dissertation, Shanghai Jiaotong University, Shanghai, China, 2013.
• Carcedo, J.M.; García, J.P. Integrating long-term economic scenarios into peak load forecasting: An application to Spain. Energy 2017, 140, 682-695.
• Matijaš, M.; Vukićević, M.; Krajcar, S. Supplier Short Term Load Forecasting Using Support Vector Regression and Exogenous Input. J. Electr. Eng. 2011, 62, 280-285.

タイトルに関連する用語 (2件)： 関数 ,  予測