文献

J-GLOBAL ID：202102256711211724   整理番号：21A0565538

Morlet WNNに基づく短期電力負荷予測モデル【JST・京大機械翻訳】

A Short-term Power Load Prediction Model Based on Morlet WNN

著者 (3件)： Dong Aiqiang (R&D Test Center, China Power Information Technology Co., Ltd.,Beijing,China) ,  Liu Zesan (R&D Test Center, China Power Information Technology Co., Ltd.,Beijing,China) ,  Li Tingshun (School of Control and Computer Engineering, North China Electric Power University,Beijing,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IICSPI  ページ： 447-453  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 電力負荷は地域グリッドの仕事の鍵である。短期の電力負荷を予測できるならば,地域送電網の安定性は改善されるであろう。それで,本論文は,一般化極値学習機械(GELM)とMorletウェーブレットニューラルネットワーク(WNN)に基づいて,短期の電力を予測する新しいハイブリッドモデルを提供した。第1に,モデル出力としての電力負荷確率に関して,このモデルはウェーブレット関数を用いて周波数属性に従って異なる部分に電力負荷情報をカットし,そして,次に,あらゆる部分が類似のスケール装置によって分析されるであろう。第二に,WNNをGELMによって急速に訓練した。隠れ層と入力係数の間のランダムに逸脱した後に,いくつかの出力係数をマトリックスの一般化逆変換によって得る。次に,Morlet関数の変位係数とスケール係数をランダムに選択して,隠れ層係数を行列反転で得て,次にMorlet WNNを設計した。最後に,実験データとしていくつかの地域送電網の負荷データを取り上げて,結果は,提案モデルには高精度と信頼性があり,このアルゴリズムの高い有効性を証明した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  信頼性 ,  *電力 ,  送電系統 ,  ニューラルネットワーク ,  学習機械 ,  波束 ,  逆変換 ,  有効性
準シソーラス用語： 隠れ層 ,  高精度 ,  ハイブリッドモデル ,  *電力負荷 ,  行列反転 ,  *短期電力負荷予測 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 短期電力負荷予測 ,  モデル