文献

J-GLOBAL ID：202102268679674650   整理番号：21A0074183

不均一プロシューマを持つ統合局所エネルギーシステムのためのマルチエネルギーネット負荷予測【JST・京大機械翻訳】

Multi-energy net load forecasting for integrated local energy systems with heterogeneous prosumers

著者 (7件)： Zhou Bin (College of Electrical and Information Engineering, Hunan University, Changsha 410082, China) ,  Meng Yunfan (College of Electrical and Information Engineering, Hunan University, Changsha 410082, China) ,  Huang Wentao (Key Laboratory of Control of Power Transmission and Conversion (SJTU), Ministry of Education, Shanghai 200240, China) ,  Wang Huaizhi (Guangdong Key Laboratory of Electromagnetic Control and Intelligent Robots, Shenzhen University, Shenzhen 518060, China) ,  Deng Lijun (College of Electrical and Information Engineering, Hunan University, Changsha 410082, China) ,  Huang Sheng (Department of Electrical Engineering, Technical University of Denmark, Lyngby 2800, Denmark) ,  Wei Juan (College of Electrical and Information Engineering, Hunan University, Changsha 410082, China)
資料名： International Journal of Electrical Power & Energy Systems  (International Journal of Electrical Power & Energy Systems)
巻： 126  号： PA  ページ： Null  発行年： 2021年 
JST資料番号： A0596B  ISSN： 0142-0615  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 分散型発電機と需要応答管理プログラムの急速な発展は,伝統的な消費者を新興の消費者に変換する。一方,異なるタイプのエネルギーが局所的に発生し,自律操作で消費されるので,これらのプロシューマを管理することは難しい。この目的のために,本論文では,統合局所エネルギーシステムの電気的,熱的およびガス正味負荷を同時に予測するための深層学習方法論に基づく多重エネルギー予測フレームワークを提案した。最初に,不均質プロシューマーの固有マルチエネルギー負荷と生成特徴を定性的に解析して,階層的クラスタリングフレームワークを定式化して,マルチエネルギー予測モデルを容易にするために,これらのプロシューマーを様々な集合に分類する。次に,深い信念ネットワークベースの予測方法を,マルチエネルギー時系列における隠れ特徴を抽出するために開発し,それによって,多数のプロシューマーのネット負荷予測を達成した。最後に,提案したマルチエネルギーネット負荷予測方法論を,家庭規模プロシューマからの実データを用いて,広範囲かつ包括的に検証した。比較結果は,提案した方法論の優越性と高い予測精度を実証し,マルチエネルギーキャリアによるマルチプロシューマ予測問題に対処する能力を確認した。Copyright 2021 Elsevier B.V., Amsterdam. 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 ,  消費者 ,  *負荷予測 ,  多重化 ,  エネルギーシステム ,  定式化 ,  予測モデル
準シソーラス用語： 自律性 ,  予測精度 ,  信念ネットワーク ,  分散型発電 ,  階層的クラスタリング ,  需要応答 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： プロシューマ ,  正味負荷予測 ,  マルチエネルギー負荷 ,  深層学習 ,  再生可能エネルギー

分類 (3件)： 電力系統一般  (NB02000E) ,  エネルギー消費・省エネルギー  (LD01000B) ,  電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (4件)： 不均一 ,  統合 ,  エネルギーシステム ,  負荷予測