文献

J-GLOBAL ID：202002219411418728   整理番号：20A2729183

時空間深層学習ネットワークを用いた一日先電力市場における立地限界価格予測【JST・京大機械翻訳】

Locational marginal price forecasting in a day-ahead power market using spatiotemporal deep learning network

著者 (3件)： Hong Ying-Yi (Chung Yuan Christian University, Taiwan) ,  Taylar Jonathan V. (Technological Institute of the Philippines, Quezon City, Philippines) ,  Fajardo Arnel C. (Manuel L. Quezon University, Quezon City, Philippines)
資料名： Sustainable Energy, Grids and Networks  (Sustainable Energy, Grids and Networks)
巻： 24  ページ： Null  発行年： 2020年 
JST資料番号： W3057A  ISSN： 2352-4677  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 規制緩和電力市場における位置限界価格決定(LMP)は,ノード(場所)からの入札競争の結果である。本論文では,他の帯状価格を用いたPJM電力市場のゾーンにおける特定ノードの24時間先頭LMP予測のための深層学習ニューラルネットワークを提示した。提案手法は,画像分類とパターン認識に成功裏に適用された深層学習のためのよく知られたアーキテクチャである畳込みニューラルネットワーク(CNN)を用いる。ここでは,CNNを用いて,様々なゾーンと場所における時空間電力価格を用いて,畳み込み,カーネル,およびプール操作によってリアルタイム電力価格の特徴を抽出した。モデルの最適パラメータを,ステップバイステップマニュアル法を用いて決定し,ブート力試行と誤差方法の負荷を最小にした。PJM電力市場からのデータセットをシミュレーションに用いて,提案した方法をTensorflowとKeras Libraryを用いて適用した。種々の手法を比較し,その結果,提案した方法が24時間先頭LMP予測において従来法よりも高い精度を有することを実証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： パターン認識 ,  価格決定 ,  *ネットワーク ,  ニューラルネットワーク ,  計算機アーキテクチャ ,  予測誤差 ,  規制緩和 ,  *電力市場
準シソーラス用語： 画像分類 ,  実時間 ,  電力価格 ,  最適パラメータ ,  ブート ,  *立地限界価格 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： 電力価格予測 ,  畳込みニューラルネットワーク ,  立地限界価格 ,  日先電力市場

分類 (1件)： 電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (5件)： 時空間 ,  深層学習 ,  電力市場 ,  立地限界価格 ,  予測