文献

J-GLOBAL ID：202002253151375631   整理番号：20A0719348

EEMD-GABPに基づくある地域の短期負荷予測研究【JST・京大機械翻訳】

Short-term load forecasting in a certain area based on EEMD-GABP

著者 (4件)： Guo Weilin (西藏農牧学院,西藏林芝,860000) ,  Jiang Xiaoyan (西藏農牧学院,西藏林芝,860000) ,  Luo Yi (西藏農牧学院,西藏林芝,860000) ,  Han Qin (西藏農牧学院,西藏林芝,860000)
資料名： Electric Power Engineering Technology  (Electric Power Engineering Technology)
巻： 38  号： 6  ページ： 93-98  発行年： 2019年 
JST資料番号： C3440A  ISSN： 2096-3203  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： 電力系統負荷は典型的な周期性とランダム性の特徴を持つ非線形、非定常時系列の負荷システムである。負荷シーケンスの非線形性を減少し,予測精度を改善するために,総経験的モード分解(EEMD)と改良人工神経回路網(GABP)に基づく短期負荷予測法を提案した。EEMDを用いて,負荷シーケンスをいくつかの異なる周波数の定常成分に分解し,元の負荷データの局所特徴に打ち勝つことにより,経験的モード分解(EMD)における分類ファジィ問題を解決し,GABPネットワークを用いて予測し,BPが局所最適解に陥りやすいという問題を解決した。EEMD-GABP予測モデルを,適切なパラメータによって構成し,そして,気象因子を,各成分に対して,それぞれ予測し,そして,最終予測値を,再構築後に得た。計算例により,EMD-GABP予測モデルに基づく負荷予測の精度は,差分統合移動自己回帰移動(ARIMA)モデルおよびサポートベクトルマシン(SVM)モデルのような従来のモデルより,より強く,そして,その安定性は,より強かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 再構成 ,  サポートベクトルマシン ,  電力系統 ,  *負荷予測 ,  ネットワーク ,  予測モデル ,  回遊 ,  非線形性 ,  気象要素 ,  ニューラルネットワーク ,  曖昧さ
準シソーラス用語： ARIMAモデル ,  経験的モード分解 ,  予測精度 ,  ランダム性 , 【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)： 地域 ,  短期 ,  負荷予測 ,  研究