文献

J-GLOBAL ID：202002255459805627   整理番号：20A2110004

低谷蓄熱負荷特徴抽出手法の検討【JST・京大機械翻訳】

Study on Feature Extraction Method Trough Heat Storage Load

著者 (5件)： Tian Kun (沈陽工業大学電气工程学院,遼寧 沈陽,110870) ,  Yang Junyou (沈陽工業大学電气工程学院,遼寧 沈陽,110870) ,  Han Zijiao (国网遼寧省電力有限公司,遼寧 沈陽,110006) ,  Wang Haixin (沈陽工業大学電气工程学院,遼寧 沈陽,110870) ,  Chang Yiming (国网沈陽供電公司,遼寧 沈陽,110811)
資料名： Dongbei Dianli Jishu  (Dongbei Dianli Jishu)
巻： 41  号： 6  ページ： 13-17,25  発行年： 2020年 
JST資料番号： C3444A  ISSN： 1004-7913  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： 蓄熱式電気暖房は,風力発電の消散能力を改良するための重要な方法である。現在、送電網のデータが膨大で、データ品質が悪いため、従来の単一方法は蓄熱負荷を正確に抽出できないため、データ抽出結果が正確でなく、更なる電気暖房ユーザーの特性分析に困難をもたらす。上記の問題を解決するために,K-meansクラスタリングアルゴリズム,K近傍アルゴリズム(KNN),サポートベクトルマシン(SVM)に基づく3つのアルゴリズム(KKS法)を提案した。最初に,K-meansクラスタリングを用いて,訓練集合としてデータ特徴の明らかなデータを選択し,次に,KNNとSVMを用いて訓練し,最後に,KNNとSVMを用いて,前処理したデータを抽出し,蓄熱負荷データの品質抽出の精度を改善し,そして,熱負荷解析をより正確にした。ある省の貯熱負荷を例として、提案手法と伝統方法を比較し、この方法による抽出結果はK-means、KNN、SVM単独使用に比べ、それぞれ32、16、24のユーザーデータが多く、この方法の抽出精度が高く、負荷抽出における優位性を示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  電気暖房 ,  前処理 ,  送電系統 ,  *特徴抽出 ,  風力発電 ,  蓄熱 ,  *熱負荷 ,  サポートベクトルマシン
準シソーラス用語： データ品質 ,  データ抽出 ,  k-means法 , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 谷 ,  特徴抽出 ,  手法