文献

J-GLOBAL ID：202002280046987748   整理番号：20A2473162

エネルギー時系列予測のためのMeta学習への教師なし深層学習の導入【JST・京大機械翻訳】

Incorporating Unsupervised Deep Learning into Meta Learning for Energy Time Series Forecasting

著者 (4件)： Shahoud Shadi (Institute of Automation and Applied Informatics (IAI), Karlsruhe Institute of Technology (KIT), Karlsruhe, Germany) ,  Khalloof Hatem (Institute of Automation and Applied Informatics (IAI), Karlsruhe Institute of Technology (KIT), Karlsruhe, Germany) ,  Duepmeier Clemens (Institute of Automation and Applied Informatics (IAI), Karlsruhe Institute of Technology (KIT), Karlsruhe, Germany) ,  Hagenmeyer Veit (Institute of Automation and Applied Informatics (IAI), Karlsruhe Institute of Technology (KIT), Karlsruhe, Germany)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1288  ページ： 326-345  発行年： 2020年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 分散エネルギー資源のユニットコミットメントとグリッドレベルでの柔軟な負荷における知的意思決定を通して,電力グリッドのより良い持続可能性と経済運用を確実にするため,将来のエネルギー需要と再生可能エネルギー発生の正確な予測が必要である。この目的のために,試行錯誤法がしばしば使用され,そこではいくつかの説得力のあるアルゴリズムとそれらの正しい構成が適切な解が見つかるまでテストされる。多重モデルを構築するためのこの廃棄物の人的資源は,データ分析専門家を必要とし,時間がかかる。したがって,ソフトウェア解がメタ学習を用いて正しい予測解を見つける際に,非データ分析専門家をサポートできるならば,疑問が生じる。本論文では,エネルギーMeta学習システム,すなわち,適切な短期負荷予測モデルを推薦するためのメタ学習システムを,建物に対して提案した。提示した手法は,建物の負荷データセットを記述するためのメタ特徴の効率的グループとして記述的統計時間ベースMeta特徴を提案する。抽出したメタ特徴に含まれるメタ情報のより良い開発のために,エネルギーMeta学習システムを,自動エンコーダによって抽出したメタ特徴を符号化するために教師なし深層学習を使用するエンコードエネルギーMeta学習システムに拡張した。詳細なモデル評価を行い,記述的統計時間ベースMeta特徴が,エネルギー時系列データセットを特性化するためのメタ特徴の有望な競合および新しいバリアントを導入することを示した。メタ特徴のこの新しい変異体を用いて,エネルギーMeta学習システムは,選択した新しい試験建物の90%に適切な予測モデルを割り当てることができる。また,評価により,訓練事例の縮小数の下でも,メタ特徴の符号化表現を用いて優れた精度を達成することを示した。Copyright Springer Nature Switzerland AG 2021 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 ,  意思決定 ,  *学習 ,  電力 ,  経済運用 ,  負荷予測 ,  廃棄物 ,  符号器 ,  ソフトウェア ,  予測モデル
準シソーラス用語： *時系列予測 ,  持続可能性 ,  メタ学習 ,  学習支援システム ,  *深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： エネルギー予測 ,  時系列 ,  データマイニング ,  機械学習 ,  Meta学習 ,  深層学習

分類 (4件)： 電力系統一般  (NB02000E) ,  エネルギーに関する技術・経済問題  (LA01050V) ,  風力発電  (NB03120Q) ,  電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (5件)： エネルギー ,  時系列予測 ,  学習 ,  教師 ,  深層学習