文献

J-GLOBAL ID：201902280279455063   整理番号：19A0278047

VMD-LSTMアルゴリズムの短期負荷予測への応用【JST・京大機械翻訳】

Application of VMD-LSTM algorithm in short term load forecasting

著者 (2件)： Hu Xinqiu (上海理工大学光電信息与計算机工程学院,上海,200093) ,  Ma Lixin (上海理工大学光電信息与計算机工程学院,上海,200093)
資料名： Dianli Kexue yu Gongcheng  (Dianli Kexue yu Gongcheng)
巻： 34  号： 6  ページ： 9-13  発行年： 2018年 
JST資料番号： C3439A  ISSN： 1672-0792  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： 従来の負荷予測方法は、回帰分析法、灰色予測法、サポートベクトルマシン(SupportVectorMachine,SVM)など、時系列データの相関性、固有値の全面的な考慮を欠いており、予測値が不安定で、精度が低く、変動が大きい。電力系統の短期負荷予測の精度をさらに向上させるため,変分モード分解(VariationalModeDecomposition,VMD)と長い短期記憶ニューラルネットワーク(LongShort-TermMemory)を結合した。短期負荷予測モデル(VMD-LSTM)を,LSTMアルゴリズムによって確立した。最初に,VMD技術を用いて,入力負荷データをいくつかの有限帯域幅の固有モード成分に分解し,その結果は,人々の生産生活における異なる電気習慣を,そして,データ中のノイズおよび信号を分離し,そして,各々のモード成分に対して,LSTMニューラルネットワークを,予測するために,用いた。予測結果を,モデル出力再構成によって予測した。実際の計算例により、このアルゴリズムは従来の負荷予測アルゴリズムより適応性が高く、予測精度が高く、安定であり、顕著な理論的指導的意義と実用価値を有することを証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  帯域幅 ,  予測技法 ,  サポートベクトルマシン ,  固有値 ,  回帰分析 ,  雑音 ,  再構成 ,  変分法 ,  固有モード ,  *負荷予測 ,  *予測 ,  電力系統 ,  *アルゴリズム
準シソーラス用語： 予測精度 , 【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 (4件)： アルゴリズム ,  短期 ,  負荷予測 ,  応用