文献

J-GLOBAL ID：202002238322390843   整理番号：20A2121639

改良フィードフォワードニューラルネットワークに基づく電力系統の短期負荷予測【JST・京大機械翻訳】

Short-term Load Forecasting of PowerSystem Based on Improved Feedforward Neural Network

著者 (8件)： Zhao Wenbo (The school of Information and Control Engineering, Liaoning Shihua University, Fushun Liaoning 113001, China) ,  Zhao Wenbo (National Experimental Teaching Demonstration Center of Petrochemical Process Control, Fushun Liaoning 113001, China) ,  Liu Xiaoqin (The school of Information and Control Engineering, Liaoning Shihua University, Fushun Liaoning 113001, China) ,  Liu Xiaoqin (National Experimental Teaching Demonstration Center of Petrochemical Process Control, Fushun Liaoning 113001, China) ,  Li Chengyu (The school of Information and Control Engineering, Liaoning Shihua University, Fushun Liaoning 113001, China) ,  Li Chengyu (National Experimental Teaching Demonstration Center of Petrochemical Process Control, Fushun Liaoning 113001, China) ,  Zhang Fengwei (State Grid Huludao Electric Power Supply Company, Huludao Liaoning 125000, China) ,  Wang Qian (China petroleum Fushun Petrochemical Company Thermal Power Plant, Fushun Liaoning 113008, China)
資料名： Journal of Physics: Conference Series  (Journal of Physics: Conference Series)
巻： 1549  号： 5  ページ： 052095 (6pp)  発行年： 2020年 
JST資料番号： W5565A  ISSN： 1742-6588  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 電力系統の短期負荷予測は,送電網の安全で安定した運用の基礎であり,現在,電力系統の短期負荷予測は,外部特徴によって容易に影響を受けるので,正確に負荷データ特性を抽出するのは難しい。負荷データの非線形,高次元,および貧弱な一般化能力の問題を目的として,花受粉アルゴリズムとフィードフォワードニューラルネットワークに基づく短期負荷予測法を提案した。フローラ受粉アルゴリズムを用いて,誤差を減らし,アルゴリズムのロバスト性を改善するために,フィードフォワードニューラルネットワーク重み閾値の組合せを最適化した。最後に,類似アルゴリズムの予測結果と提案した方法の予測結果を,予測評価指標を通して比較した。比較の後,本論文における方法は,負荷予測の精度を効果的に改良することができて,それはパワーグリッドの安全性と経済性の増加に役立った。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  経済性 ,  送電系統 ,  *電力系統 ,  *負荷予測 ,  受粉 ,  フローラ ,  高次元 ,  ロバスト性 ,  予測誤差
準シソーラス用語： *フィードフォワードニューラルネットワーク ,  評価指標 , 【Automatic Indexing@JST】

分類 (2件)： 電力系統一般  (NB02000E) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： フィードフォワードニューラルネットワーク ,  電力系統 ,  短期 ,  負荷予測