文献

J-GLOBAL ID：202102257355623025   整理番号：21A0485028

改良花火アルゴリズムに基づく限界学習機の超短期負荷予測【JST・京大機械翻訳】

Ultra-short-term Load Forecasting of Extreme Learning Machine Based on Improved Fireworks Algorithm

著者 (4件)： Jiang Jiandong (鄭州大学 電气工程学院 河南 鄭州 450001) ,  Shi Yangtao (鄭州大学 電气工程学院 河南 鄭州 450001) ,  Yan Yuehao (国网河南電力公司 鄭州供電公司 河南 鄭州 450052) ,  Liu Yi (国网河南電力公司 変電検修中心 河南 鄭州 450007)
資料名： Zhengzhou Daxue Xuebao (Lixue Ban)  (Zhengzhou Daxue Xuebao (Lixue Ban))
巻： 52  号： 4  ページ： 110-115  発行年： 2020年 
JST資料番号： C3255A  ISSN： 1671-6841  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 最適化限界学習機械の超短期負荷予測モデルを提案した。まず第一に,オリジナルの花火アルゴリズムのマッピング規則と変異規則を最適化して,改良花火アルゴリズムを形成して,次に,限界学習機械のランダム形成の重みと閾値によるモデルの不安定問題のために,改良花火アルゴリズムを採用して,限界学習機械を最適化した。重みと閾値を変数とし、極限学習機の誤差係数を目的関数とし、改良花火アルゴリズムを用いて最適な重みと閾値を求めた。最後に,シミュレーションデータ解析は,改良アルゴリズムがより速い収束速度とより良いグローバル最適化能力を有することを示した。改良した予測モデルは負荷予測の精度と安定性を著しく向上させ、このモデルは実際の電力系統の超短期負荷予測に適用できることを示した。Data from Wanfang. Translated 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 ,  シミュレーション ,  *学習 ,  電力系統 ,  *負荷予測 ,  学習機械 ,  データ解析 ,  目的関数 ,  予測モデル
準シソーラス用語： *花火 ,  大域的最適化 ,  収束速度 , 【Automatic Indexing@JST】

分類 (3件)： 人工知能  (JE08000Z) ,  電力系統一般  (NB02000E) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (6件)： 花火 ,  アルゴリズム ,  限界 ,  学習 ,  短期 ,  負荷予測