文献

J-GLOBAL ID：202102241758400322   整理番号：21A0090786

SARIMAとSVRのハイブリッドモデルを用いた短期電力需要予測【JST・京大機械翻訳】

Short-term electric power demand forecastingusing a hybrid model of SARIMA and SVR

著者 (6件)： QiheLou (North China Electric Power University, Beijing 102206, China) ,  QiheLou (State Grid Corporation of China, Beijing100031, China) ,  QiLyu (Tsinghua University, Beijing 100084, China) ,  Na Zhixiong (State Grid e-commerce Co., Ltd, Beijing 10053, China) ,  Ma Dayan (State Grid e-commerce Co., Ltd, Beijing 10053, China) ,  Ma Xiaoguang (State Grid e-commerce Co., Ltd, Beijing 10053, China)
資料名： IOP Conference Series: Earth and Environmental Science  (IOP Conference Series: Earth and Environmental Science)
巻： 619  号： 1  ページ： 012035 (12pp)  発行年： 2020年 
JST資料番号： W5558A  ISSN： 1755-1307  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 短期電力需要予測は,スマートグリッドの最も基本的で重要な応用である。近年の再生可能エネルギーとクリーンエネルギーの急速な発展によって,電力需要予測は再び特別な注意を払っている。それは発電ユニットの計画と電力市場の購入と販売に大きい影響を持つ。さらに,炎は,需要応答と資源配分効率および信頼性の実現にも役立ち,その結果,太陽光発電システムに寄与する。遺伝子的方法が提案されているが,その限られた精度のために未解決の挑戦である。本論文では,単一モデルの一般化の困難さを克服する時間ごとの予測のために,季節的自己回帰統合移動平均(SARIMA)とサポートベクトル回帰(SVR)のハイブリッド法を提案した。このモデルのコア思考は,シリーズの線形部分に適合し,SVRによる偏差を修正するために,SARIMAを用いた。公開データセットに関するこの方法の精度をテストし,結果は,それがフィッティング効果に関して単一SARIMAモデルよりはるかに良いことを示した。また,著者らのモデルを最近の3つの研究と比較し,予測誤差においてそれぞれ18.12%,10.534%および4.757%の減少を実証した。驚いたことに,単一SVRによる現在のデータを予測するために以前の4時間のデータを使用したとき,著者らはすべてのモデルの最良の性能を得た。最後に,この結果の可能な原因を分析した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 信頼性 ,  発電設備 ,  遺伝子 ,  資源割付 ,  線形性 ,  クリーンエネルギー ,  再生エネルギー ,  予測誤差 ,  電力市場 ,  *スマートグリッド
準シソーラス用語： *ハイブリッドモデル ,  太陽光発電システム ,  サポートベクトル回帰 ,  電力需要予測 ,  需要応答 , 【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)： SVR ,  ハイブリッドモデル ,  短期 ,  電力需要予測