文献

J-GLOBAL ID：202102275360852516   整理番号：21A2982405

異種データを使用した短期負荷予測のためのビッグデータフレームワーク【JST・京大機械翻訳】

A Big Data Framework for Short-Term Load Forecasting Using Heterogenous Data

著者 (3件)： Zhao Haibo (Yan’an University,School of Physics and Electronic Information,Yan’an,China,716000) ,  Li Xiangjun (Yan’an University,School of Physics and Electronic Information,Yan’an,China,716000) ,  Ren Yancheng (Yan’an University,School of Physics and Electronic Information,Yan’an,China,716000)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICVRIS  ページ： 490-494  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： 個々の電気顧客に対する短期負荷予測(STLF)を予測し,次に知的かつ柔軟に再生可能エネルギーを利用するために,スマートメータと天気予報からのデータを収集し,事前処理および負荷を,大量の不均一データを貯蔵し,さらに処理できるNoSQLデータベースに負荷する,Bigデータフレームワークを提案した。次に,長期短期メモリ(LSTM)再帰ニューラルネットワークを設計し,負荷プロファイルを決定し,次の24時間住宅コミュニティの電力消費を予測するために実行した。提案フレームワークは,住宅コミュニティの公的に利用可能なスマートメータデータセットでテストされ,そのLSTMの性能は,二乗平均平方根誤差(RMSE)と平均絶対百分率誤差(MAPE)に関して2つのベンチマークアルゴリズムと比較された。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 ,  記憶装置 ,  天気予報 ,  前処理 ,  電力消費 ,  *負荷予測 ,  ニューラルネットワーク ,  コミュニティ ,  再生エネルギー ,  ベンチマーク
準シソーラス用語： スマートメータ ,  *ビッグデータ ,  NoSQLデータベース ,  異種データ ,  長短期記憶 , 【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 (3件)： 異種データ ,  短期 ,  負荷予測