文献

J-GLOBAL ID：202102263656250155   整理番号：21A0668023

KmeansとFR-DBNモデルに基づく短期負荷予測【JST・京大機械翻訳】

Short-term Load Forecasting Based on Kmeans and FR-DBN Models

著者 (5件)： Zhu Yuancheng (The Directors Board Office Yingkou Power Supply Company of textitState Grid Liaoning Electric Power Co., Ltd,Yingkou,China) ,  Sun Chao (Grid adjustment control center Yingkou Power Supply Company of textitState Grid Liaoning Electric Power Co., Ltd,Yingkou,China) ,  Zheng Wei (Yingkou Power Supply Company of textitState Grid Liaoning Electric Power Co., Ltd,Operation, maintenance and repair department,Yingkou,China) ,  Gao Yongjun (Grid adjustment control center Yingkou Power Supply Company of textitState Grid Liaoning Electric Power Co., Ltd,Yingkou,China) ,  Zhao Xiaolong (Grid adjustment control center Yingkou Power Supply Company of textitState Grid Liaoning Electric Power Co., Ltd,Yingkou,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICPES  ページ： 145-150  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： いくつかのモデルの組合せがモデル重量組合せの展望から主に考慮され,重みの選択が特定の主観性を持つという事実を考慮して,教師なし特徴学習の展望に基づく本研究は,深い学習ネットワーク(DBN)を改善するためにk平均と共役勾配法(FR)に基づく複合モデル予測法を提示する。クラスタリングアルゴリズムはバッチデータによって学習速度を加速する。一方,DBNの教師なし特徴学習機構を負荷予測モデルに導入して,FR共役勾配法を用いてモデルを最適化した。予測結果と予測時間を従来の予測モデルと比較した。最後に,fr-dbn複合予測モデルの性能は,短期負荷予測における他のモデルより良かった。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： 予測技法 ,  最適化 ,  学習 ,  ネットワーク ,  *負荷予測 ,  共役勾配法 ,  予測モデル
準シソーラス用語： 学習速度 ,  クラスタリングアルゴリズム ,  複合モデル , 【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 (5件)： Fr ,  DBN ,  モデル ,  短期 ,  負荷予測