文献

J-GLOBAL ID：202102224199002278   整理番号：21A0163271

K平均クラスタリングとFCM-BPモデルに基づく電力消費負荷予測に関する研究【JST・京大機械翻訳】

Study on power consumption load forecast based on K-means clustering and FCM-BP model

著者 (4件)： Bian Haihong (College of Electrical Engineering, Nanjing Institute of Technology, Nanjing, 211100, China) ,  Zhong Yiqun (College of Electrical Engineering, Nanjing Institute of Technology, Nanjing, 211100, China) ,  Sun Jianshuo (College of Electrical Engineering, Nanjing Institute of Technology, Nanjing, 211100, China) ,  Shi Fangchu (College of Electrical Engineering, Nanjing Institute of Technology, Nanjing, 211100, China)
資料名： Energy Reports  (Energy Reports)
巻： 6  号： S9  ページ： 693-700  発行年： 2020年 
JST資料番号： W3058A  ISSN： 2352-4847  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： スマート配電ネットワークの開発によって,スマートグリッド利用者側管理の需要はますます緊急である。個々のユーザに対する短期電力負荷予測の精度を改善するために,本研究ではK平均とFCM-BPに基づく短期電力負荷予測モデルを提案した。最初に,ユーザの電力消費特性を分析することによって,K平均を2つのクラスタにグループユーザに適用する。第二に,隣接モーメントで強い相関を有するユーザのために,局所類似データを,改良ファジィC-平均クラスタリング(FCM)の助けを借りてフィルタリングし,隣接モーメントの負荷値を新しい入力特徴に統合した。隣接モーメントで弱い相関を持つユーザに対して,局所類似日データを特徴として利用した。最後に,羽毛ベクトルをBPニューラルネットワークの入力データとして用い,短期負荷の予測に利用した。実験結果は,提案したクラスタリング法がユーザの電力消費挙動の特性と一致することを示した。同じ予測方法で,クラスタ化ベースの負荷予測の精度は,非クラスタ化負荷予測のものより高い。従来のBP,RBFおよびGRNNニューラルネットワークと比較して,このモデルはより高い予測精度を有した。Copyright 2021 Elsevier B.V., Amsterdam. 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 ,  ベクトル ,  *電力消費 ,  *負荷予測 ,  ニューラルネットワーク ,  フィルタリング ,  *クラスタ化 ,  *クラスタ ,  羽毛 ,  モーメント ,  曖昧さ ,  スマートグリッド
準シソーラス用語： 予測精度 ,  配電網 ,  短期電力負荷予測 , 【Automatic Indexing@JST】

著者キーワード (5件)： クラスタリング ,  電力消費挙動 ,  ファジィC平均クラスタリング ,  FCM-BP ,  負荷予測

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (8件)： 平均 ,  クラスタリング ,  FCM ,  BP ,  モデル ,  電力消費 ,  負荷予測 ,  研究