文献

J-GLOBAL ID：202102269989189258   整理番号：21A2037538

住宅電力負荷におけるクラスタ化した悪いデータの確率的予測に基づく結合検出と補完【JST・京大機械翻訳】

Probabilistic Forecasting Based Joint Detection and Imputation of Clustered Bad Data in Residential Electricity Loads

著者 (5件)： Park Soyeong (School of Electrical Engineering and Computer Science, Gwangju Institute of Science and Technology (GIST), 123 Cheomdangwagi-ro, Buk-gu, Gwangju 61005, Korea) ,  Yoon Seungwook (School of Mechatronics, GIST, 123 Cheomdangwagi-ro, Buk-gu, Gwangju 61005, Korea) ,  Lee Byungtak (Honam Research Center, Electronics and Telecommunications Research Institute, Gwangju 61012, Korea) ,  Ko Seokkap (Honam Research Center, Electronics and Telecommunications Research Institute, Gwangju 61012, Korea) ,  Hwang Euiseok (School of Electrical Engineering and Computer Science, Gwangju Institute of Science and Technology (GIST), 123 Cheomdangwagi-ro, Buk-gu, Gwangju 61005, Korea)
資料名： Energies (Web)  (Energies (Web))
巻： 14  号： 1  ページ： 165  発行年： 2020年 
JST資料番号： U7016A  ISSN： 1996-1073  CODEN： ENERGA  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 住宅電力負荷データは,単純な測定機器によって典型的に捉えられるように,多くのタイプの不良データ,クラスタ化不良データを含むことができる。例えば,Non-a-Number(NaN)誤差の時系列の場合,NaNの前後における値は,NaNシリーズの時間中の実際の値の和として現れる。予測またはデータマイニング解析に対するそのような誤ったデータを含む負荷データを利用するために,カスタマイズされた検出と帰属を行うべきである。本研究では,住宅電力負荷におけるクラスタ化不良データを扱うための新しい共同検出と補完法を提案した。これらのデータの例は,連続したNaNまたはゼロ値,または異常値の先行のような無効なデータポイントである。確率的予測技術を用いて,提案した共同検出と帰属スキームは,まず無効データ点の近傍を調査した。これらの技法を次の正当な隣人によって実装し,異常があるかどうかを決定した。次に,検出に基づいて適応帰属を適用し,候補点を同時に,またはそうではない。クラスタ化不良データを特性化するために新しく提案されたスキームの可能性を評価するために,354世帯の電力負荷を分析した。さらに,実際のNaN値の合計が続く,ランダムに注入された合成クラスタ化不良データ(様々な長さのNaNを含む)で試験するために,関節検出と帰属を行った。提案方式は,データセットの全ての家庭で95.5%の精度と3.6%の誤警報率を持つクラスタ化不良データの検出に成功した。異常値検出支援補完方式を,オプション異常値を持つNaNに対して評価した。結果は,これらのスキームが異常値検出のない方式と比較して全体精度を著しく改善することを示した。Copyright 2021 The Author(s) 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 ,  計測器 ,  *クラスタ化 ,  異常値 ,  キャラクタリゼーション ,  カスタム化
準シソーラス用語： *電力負荷 ,  データマイニング解析 ,  誤警報率 ,  異常値検出 , 【Automatic Indexing@JST】

著者キーワード (3件)： 悪いデータ検出 ,  確率的予測 ,  住宅電力負荷

分類 (2件)： 電力工学・電力事業一般  (NB01000X) ,  電力系統一般  (NB02000E)

引用文献 (19件)：

• Wood, N.; Roelich, K. Tensions, capabilities, and justice in climate change mitigation of fossil fuels. Energy Res. Soc. Sci. 2019, 52, 114-122.
• Destek, M.A.; Aslan, A. Disaggregated renewable energy consumption and environmental pollution nexus in G-7 countries. Renew. Energy 2020, 151, 1298-1306.
• Pfeifer, A.; Dobravec, V.; Pavlinek, L.; Krajačić, G.; Duić, N. Integration of renewable energy and demand response technologies in interconnected energy systems. Energy 2018, 161, 447-455.
• Lee, D.; Cheng, C.C. Energy savings by energy management systems: A review. Renew. Sustain. Energy Rev. 2016, 56, 760-777.
• Park, K.; Yoon, S.; Hwang, E. Hybrid load forecasting for mixed-use complex based on the characteristic load decomposition by pilot signals. IEEE Access 2019, 7, 12297-12306.

タイトルに関連する用語 (6件)： 住宅 ,  電力負荷 ,  クラスタ ,  確率 ,  予測 ,  補完