文献

J-GLOBAL ID：202102230721977219   整理番号：21A0989595

電気負荷予測におけるSVRを用いたハイブリッドカオス量子コウモリアルゴリズム【JST・京大機械翻訳】

Hybrid Chaotic Quantum Bat Algorithm with SVR in Electric Load Forecasting

著者 (4件)： Li Ming-Wei (College of Shipbuilding Engineering, Harbin Engineering University, Harbin 150001, Heilongjiang, China) ,  Geng Jing (College of Shipbuilding Engineering, Harbin Engineering University, Harbin 150001, Heilongjiang, China) ,  Wang Shumei (School of Education Intelligent Technology, Jiangsu Normal University/101, Shanghai Rd., Tongshan District, Xuzhou 221116, Jiangsu, China) ,  Hong Wei-Chiang (School of Education Intelligent Technology, Jiangsu Normal University/101, Shanghai Rd., Tongshan District, Xuzhou 221116, Jiangsu, China)
資料名： Energies (Web)  (Energies (Web))
巻： 10  号： 12  ページ： 2180  発行年： 2017年12月 
JST資料番号： U7016A  ISSN： 1996-1073  CODEN： ENERGA  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： 電力負荷予測を行うためのサポートベクトル回帰(SVR)モデルによる進化アルゴリズムハイブリッド化は,予測精度改善における優位性を実証した。古典的GAおよびPSOアルゴリズムと比較して,最近提案されたコウモリアルゴリズム(BA)は,予測精度改善においてより大きなポテンシャルを有する。しかし,元のBAは,局所最適および早熟収束におけるトラッピングを含む埋込み欠点に悩まされている。したがって,元のBAの考えられる改善を追求し,SVRモデルのより適切なパラメータを受けるために,本論文は量子計算機構を適用して,量子挙動を持ち,次に,カオス的マッピング関数を採用して,大域的カオス擾乱プロセスを実行し,コウモリの探索空間を拡大し,そして,母集団が蓄積するとき,コウモリを局所最適から引き出すために,カオス的マッピング関数を採用した。本論文は,より高い予測精度を受けるために,SVRモデルを量子コンピューティング機構,カオス写像関数,およびBAとハイブリッド化することによって,新しい負荷予測手法,すなわちSVRCQBAモデルを提示する。数値結果は,提案したSVRCQBAモデルが予測精度に関して他の代替モデルより優れていることを示した。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： *負荷予測 ,  コウモリ ,  ハイブリッド方式 ,  母集団 ,  *カオス ,  思春期早発症 ,  量子計算
準シソーラス用語： 進化的アルゴリズム ,  探索空間 ,  粒子群最適化 ,  予測精度 ,  トラッピング ,  電力負荷 ,  サポートベクトル回帰 ,  カオス写像 , 【Automatic Indexing@JST】

著者キーワード (5件)： サポートベクトル回帰 ,  カオス理論 ,  量子挙動 ,  コウモリアルゴリズム(BA) ,  負荷予測

分類 (1件)： 電力系統一般  (NB02000E)

引用文献 (54件)：

• Xiao, L.; Wang, J.; Hou, R.; Wu, J. A combined model based on data pre-analysis and weight coefficients optimization for electrical load forecasting. Energy 2015, 82, 524-549.
• Bunn, D.W.; Farmer, E.D. Comparative models for electrical load forecasting. Int. J. Forecast. 1986, 2, 241-242.
• Fan, G.; Peng, L.-L.; Hong, W.-C.; Sun, F. Electric load forecasting by the SVR model with differential empirical mode decomposition and auto regression. Neurocomputing 2016, 173, 958-970.
• Wang, J.; Wang, J.; Li, Y.; Zhu, S.; Zhao, J. Techniques of applying wavelet de-noising into a combined model for short-term load forecasting. Int. J. Electr. Power Energy Syst. 2014, 62, 816-824.
• Pappas, S.S.; Ekonomou, L.; Karampelas, P.; Karamousantas, D.C.; Katsikas, S.K.; Chatzarakis, G.E.; Skafidas, P.D. Electricity demand load forecasting of the Hellenic power system using an ARMA model. Electr. Power Syst. Res. 2010, 80, 256-264.

タイトルに関連する用語 (7件)： 電気負荷 ,  予測 ,  SVR ,  カオス ,  量子 ,  コウモリ ,  アルゴリズム