文献

J-GLOBAL ID：201902257583853663   整理番号：19A0939701

経済新定常状態におけるVerhulst-SVMに基づく中長期負荷予測モデル【JST・京大機械翻訳】

Medium and long-term load forecasting model based on Verhulst-SVM under new normal economy

著者 (6件)： Zhang Guanying (省部共建電工装備可靠性与智能化国家重点実験室(河北工業大学電气工程学院),天津300132;河北省電磁場与電器可靠性重点実験室(河北工業大学電气工程学院),天津300132) ,  Xian Yiming (省部共建電工装備可靠性与智能化国家重点実験室(河北工業大学電气工程学院),天津300132;河北省電磁場与電器可靠性重点実験室(河北工業大学電气工程学院),天津300132) ,  Ge Leijiao (天津大学電气自動化与信息工程学院,天津,300072) ,  Wang Ying (国网天津市電力公司,天津,300010) ,  Zhao Binbin (国网天津市電力公司,天津,300010) ,  Wang Yao (省部共建電工装備可靠性与智能化国家重点実験室(河北工業大学電气工程学院),天津300132;河北省電磁場与電器可靠性重点実験室(河北工業大学電气工程学院),天津300132)
資料名： Diance yu Yibiao  (Diance yu Yibiao)
巻： 56  号： 1  ページ： 102-107  発行年： 2019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： 経済の新常態背景において、電力システムの中長期負荷予測は多くの新しい問題に直面しており、例えば、GDP、人口などの電力負荷の影響因子は“S”型曲線の増加、電力負荷の影響要素と電力負荷の間の不確定性の増加、歴史的サンプル数が少ないなどである。このため,Verhulst-SVMに基づく中長期負荷予測モデルを提案した。まず、経済の新常態特徴から電力負荷に影響する主な要素を抽出し、各影響要素の発展傾向を分析した。次に、Verhulstモデルを用いて“S”型曲線成長の電力負荷影響要素に対して予測を行い、サポートベクトルマシン(SupportVectorMachine,SVM)を用いて線形回帰予測モデルを代替し、小サンプルを実現した。長期負荷の高精度予測は,高不確実性の条件における。最後に、天津市における2015年と2016年の負荷予測の実例により、提案モデルの精度と信頼性を検証し、経済の新常態背景における長期負荷予測に参考を提供した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 不確実性 ,  *モデル ,  電力系統 ,  サポートベクトルマシン ,  *予測モデル ,  *予測 ,  信頼性 ,  *負荷予測
準シソーラス用語： 天津市 ,  高精度 ,  線形回帰 ,  影響因子 ,  電力負荷 ,  *定常状態 , 【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)： 経済 ,  定常状態 ,  予測モデル