文献

J-GLOBAL ID：202102224653291211   整理番号：21A0580307

多エネルギー結合に基づく電力負荷需要予測モデルと方法【JST・京大機械翻訳】

Power Load Demand Forecasting Model and Method Based on Multi-Energy Coupling

著者 (8件)： Liu Dunnan (School of Economics and Management, North China Electric Power University, Beijing 102206, China) ,  Liu Dunnan (Beijing Key Laboratory of New Energy & Low Carbon Development, North China Electric Power University, Beijing 102206, China) ,  Wang Lingxiang (School of Economics and Management, North China Electric Power University, Beijing 102206, China) ,  Wang Lingxiang (Beijing Key Laboratory of New Energy & Low Carbon Development, North China Electric Power University, Beijing 102206, China) ,  Qin Guangyu (School of Economics and Management, North China Electric Power University, Beijing 102206, China) ,  Qin Guangyu (Beijing Key Laboratory of New Energy & Low Carbon Development, North China Electric Power University, Beijing 102206, China) ,  Liu Mingguang (School of Economics and Management, North China Electric Power University, Beijing 102206, China) ,  Liu Mingguang (Beijing Key Laboratory of New Energy & Low Carbon Development, North China Electric Power University, Beijing 102206, China)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 10  号： 2  ページ： 584  発行年： 2020年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 現在の段階では,中国のエネルギー開発には,新しいエネルギー技術の連続的発展,包括的エネルギーシステムスケールの連続的拡大,およびマルチエネルギー結合技術の幅広い応用がある。新しい状況の下で,電力負荷の正確な予測は,現在の電力システムの計画とディスパッチングが,従来の電力システムより複雑で,より要求されている問題を軽減するための鍵である。したがって,まず第一に,本論文は,包括的エネルギーシステムにおける電力配分におけるグリッドの重要な役割を目指して,マルチエネルギー結合モードの下でグリッドの電力負荷需要の計算方法を設計する。地域電力網運転負荷予測のためのこの負荷計算方法を,初めて提案し,そしてそれは,全地域負荷需要と多重エネルギー結合を考慮した。次に,マルチエネルギー結合モードにおける参加者と典型的モデルに従って,マルチエネルギー結合モードにおける負荷に影響する主要因を分析した。この段階で,供給側資源と需要側資源を完全に考慮して,マルチエネルギー結合技術の条件の下でエネルギーシステム構造特性を革新的に抽出して,このモードのための主要因インデックスシステムを設計した。最後に,最小冗長性最大関連性モデルと適応的火花アルゴリズム(mRMR-AFWA-LSSVM)により最適化した最小二乗サポートベクトルマシンを提案し,多重エネルギー結合シナリオの負荷予測を行った。マルチエネルギー結合シナリオの複雑性エネルギーシステム解析と予測精度改善を目的として,この方法は,シナリオ解析における主要因子の選択に最小冗長性最大関連性モデルを適用する。また,適応火花アルゴリズムが適応火花アルゴリズムの最適化に適用され,その結果は,モデル最適化効果が良好であることを示した。南西中国におけるA地域4分の1負荷予測の場合,最小冗長性最大関連性モデルと適応火災アルゴリズム(mRMR-AFWA-LSSVM)によって最適化された最小二乗サポートベクトルマシンの平均絶対百分率誤差は2.08%であり,このモデルは高い予測精度を有することを意味した。Copyright 2021 The Author(s) All rights reserved. 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 ,  最適化 ,  火災 ,  冗長性 ,  ディスパッチング ,  電力系統 ,  配電 ,  負荷予測 ,  *需要予測 ,  システム解析 ,  多重化 ,  エネルギーシステム
準シソーラス用語： 予測精度 ,  シナリオ解析 ,  *電力負荷 , 【Automatic Indexing@JST】

著者キーワード (5件)： 多重エネルギー結合 ,  負荷予測 ,  適応花火アルゴリズム ,  最小二乗サポートベクトルマシン ,  統合エネルギーシステム

分類 (3件)： 電力系統一般  (NB02000E) ,  配電(事業者側)  (NB05040R) ,  発電一般  (NB03010W)

引用文献 (38件)：

• Wang, Y.; Wang, X.; Yu, H.; Huang, Y.; Dong, H.; Qi, C.; Baptiste, N. Optimal design of integrated energy system considering economics, autonomy and carbon emissions. J. Clean. Prod. 2019, 225, 563-578.
• Yuping, Z.; Dan, W.; Can, W.; Zhihong, Y.; Jinru, L. Key Technologies and Applications of Energy Internet for New Towns. Autom. Electr. Power Syst. 2019, 43, 1-14.
• Liang, X. Emerging Power Quality Challenges Due to Integration of Renewable Energy Sources. IEEE Trans. Ind. Appl. 2017, 53, 855-866.
• Yong, L.; Zhenyu, S.; Yu, W. Monthly Load Forecasting Model Based on Seasonal Adjustment and BP Neural Network. Syst. Eng. Theory Pract. 2018, 38, 1052-1060.
• Lifan, M.; Jiangang, Y.; Yongshun, J.; Huanlin, C.; Wenjie, L.; Shilei, G. Theoretical Study of Combination Model for Medium and Long Term Load Forecasting. Proc. CSEE 2010, 30, 53-59.

タイトルに関連する用語 (4件)： エネルギー ,  電力負荷 ,  需要予測 ,  モデル