文献

J-GLOBAL ID：202002226471301385   整理番号：20A0816684

ERBFNNに基づく電力負荷と価格予測【JST・京大機械翻訳】

ERBFNN Based Electricity Load and Price Forecasting

著者 (3件)： Rafi Asra (COMSATS University Islamabad) ,  Mujeeb Sana (COMSATS University Islamabad) ,  Javaid Nadeem (COMSATS University Islamabad)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： FIT  ページ： 191-1915  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 電力網は,その革新と技術により最近多くの注目を集めている。最新の送電網におけるエネルギー需要と供給運転を管理するために,洗練された効率的な技術が用いられている。負荷と価格予測に基づく効率的エネルギー管理は,電力ユーティリティの焦点である。本論文では,時間先行電力負荷と価格を,強化動径基底ニューラルネットワーク(ERBFNN)を用いたピーク負荷時間に基づいて予測した。まず第一に,決定木(DT)と再帰特徴除去(RFE)技術を特徴選択のために使用する。次に,自動相関を特徴抽出のために用いた。比較のために,フィードフォワードニューラルネットワーク(FFNN)と動径基底ニューラルネットワーク(RBFNN)を検討した。提案したモデルの効率を評価するために,4つの性能計量を用いた。すなわち,平均絶対誤差(MAE),平均二乗誤差(RMSE),平均二乗誤差(MSE)および平均絶対値誤差(MAPE)である。提案したモデルの性能を,ニューヨーク独立システム運転者(NYISO)の歴史的負荷データについて評価した。実験結果は,提案したモデルがRBFNN(84%)とFeed Forwardニューラルネットワーク(FFNN)(80%)と比較してより高い予測精度(89%)を達成することを示した。Copyright 2020 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： ディシジョンツリー ,  絶対値 ,  特徴選択 ,  基底 ,  エネルギー管理 ,  系統運用 ,  ニューラルネットワーク ,  ニューヨーク州 ,  ピーク負荷 ,  電力系統 ,  送電系統 ,  特徴抽出 ,  *電力
準シソーラス用語： 平均二乗誤差 ,  *電力負荷 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 電力負荷 ,  価格予測