文献

J-GLOBAL ID：202002243362775034   整理番号：20A0902682

スマートグリッドにおける短期住宅負荷予測のための深層学習法【JST・京大機械翻訳】

A Deep Learning Method for Short-Term Residential Load Forecasting in Smart Grid

著者 (5件)： Hong Ye (College of Computer Science, Sichuan University, Chengdu, China) ,  Zhou Yingjie (College of Computer Science, Sichuan University, Chengdu, China) ,  Li Qibin (Key Laboratory of Low-Grade Energy Utilization Technologies and Systems, Ministry of Education, College of Energy and Power Engineering, Chongqing University, Chongqing, China) ,  Xu Wenzheng (College of Computer Science, Sichuan University, Chengdu, China) ,  Zheng Xiujuan (College of Electrical Engineering, Sichuan University, Chengdu, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 55785-55797  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 住宅需要応答は電力系統の効率にとって重要である。それは,近年,学術と産業の両方から多くの注目を集めている。正確な短期負荷予測は需要応答の基本的なタスクである。凝集負荷データに対する短期予測は広く研究されているが,個々の住宅利用者に対する負荷予測は,単一ユーザの電力消費挙動,すなわち住宅活動の変動性の動的および確率的特性により依然として困難である。この挑戦に取り組むために,本論文は,短期住宅負荷予測フレームワークを提示する。それは,深い学習を通して,機器の負荷データに存在する時空相関を利用する。電力消費挙動とそれらの内部空間-時間関係を記述するために,複数の時系列をフレームワークにおいて実行した。そして,短期負荷予測のための異なる電力消費挙動の間の相関を学習するために,深いニューラルネットワークと反復的なResブロックに基づく方法を提案した。実世界測定に基づく実験を行い,提案した予測手法の性能を評価した。結果は,機器の負荷データと反復性のあるResBlockの両方が予測性能を改善するのを助けることができることを示している。既存の方法と比較して,提案した方式のための平均二乗誤差,平均絶対誤差および平均絶対誤差に関する測定値は,3.89%-20.00%,2.18%-22.58%および0.69%-32.78%減少した。さらに,更なる実験を行い,提案したアプローチに対する他の因子と同様に,機器の負荷データ,反復的なResBlockを使用することの影響を評価した。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： 予測技法 ,  凝集 ,  電力消費 ,  電力系統 ,  *負荷予測 ,  ニューラルネットワーク ,  短期予測 ,  *スマートグリッド
準シソーラス用語： 平均二乗誤差 ,  予測性能 ,  需要応答 ,  *深層学習 ,  平均絶対誤差 , 【Automatic Indexing@JST】

分類 (2件)： 電力系統一般  (NB02000E) ,  屋内配電・電源設備  (NB05050C)

タイトルに関連する用語 (5件)： スマートグリッド ,  短期 ,  住宅 ,  負荷予測 ,  深層学習