文献

J-GLOBAL ID：202002267807190244   整理番号：20A2113241

LSTMニューラルネットワークに基づく電力負荷予測手法【JST・京大機械翻訳】

A Power Load Data Prediction Method Based on LSTM Neural Network Model

著者 (3件)： Wang Yongzhi (吉林大学儀器科学与電气工程学院,長春130061) ,  Liu Bo (吉林大学儀器科学与電气工程学院,長春130061) ,  Li Yu (吉林大学儀器科学与電气工程学院,長春130061)
資料名： Shiyanshi Yanjiu yu Tansuo  (Shiyanshi Yanjiu yu Tansuo)
巻： 39  号： 5  ページ： 41-45  発行年： 2020年 
JST資料番号： W1514A  ISSN： 1006-7167  CODEN： SYYTAZ  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： 長い短期記憶(LSTM)ニューラルネットワークに基づく電力負荷予測モデルを設計し,TensorFlowフレームワークの下でPython言語プログラミングを用いて実現した。スペインの2018年一年間の電力負荷データを使ってモデル訓練を行い、得られたモデルは正確に電力負荷データの日変化、周変化規則を予測し、モデル損失値は0.2に達し、モデルの有効性を検証した。RNNモデルと比較して,LSTMモデルの長期依存学習能力が優れていることを証明した。提案したモデルは電力負荷予測の有効な方法であり,電力システムの負荷予測のための基礎を提供する。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *予測技法 ,  電力系統 ,  *負荷予測 ,  *ニューラルネットワーク ,  スペイン ,  日変化 ,  有効性 ,  予測モデル
準シソーラス用語： 学習能力 ,  Python ,  *電力負荷 ,  長短期記憶 , 【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)： LSTM ,  ニューラルネットワーク ,  電力負荷 ,  予測手法