文献

J-GLOBAL ID：202102280530276276   整理番号：21A1193769

電力価格予測のための新しいハイブリッドBND-FOA-LSSVMモデル【JST・京大機械翻訳】

A Novel Hybrid BND-FOA-LSSVM Model for Electricity Price Forecasting

著者 (2件)： Guo Weishang ,  Zhao Zhenyu
資料名： Information (Web)  (Information (Web))
巻： 8  号： 4  ページ： 120  発行年： 2017年 
JST資料番号： U7203A  ISSN： 2078-2489  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： 正確な電力価格予測は,電力市場参加者の利益と電力市場の健全な開発において重要な役割を果たす。しかし,電力価格時系列は,揮発性とランダム性の特性を保持し,電力価格を正確に予測することは困難であった。本論文では,電力価格予測のための新しいハイブリッドモデルを,Beveridge-Nelson分解(BND)法,果実フライ最適化アルゴリズム(FOA),および最小二乗サポートベクトルマシン(LSSVM)モデル,すなわちBND-FOA-LSSVMモデルを組み合わせて提案した。最初に,元の電力価格時系列を,BNDモデルを用いて決定論的項,周期項,および確率的項に分解した。次に,これらの3つの分解項をそれぞれLSSVMモデルを採用して予測した。一方,予測性能を改善するために,新しいスウォーム知能最適化アルゴリズムFOAを用いて,決定論的項予測,周期的項予測,および確率的項予測のためのLSSVMモデルの最適パラメータを自動的に決定した。最後に,電力価格の予測結果は,これらの3つの項の予測値を掛けることによって得ることができる。結果は,提案したBND-FOA-LSSVMモデルの平均絶対パーセント誤差(MAPE),二乗平均平方根誤差(RMSE),および平均絶対誤差(MAE)は,それぞれ,3.48%,11.18Yuan/MWh,および9.95Yuan/MWhであり,それはLSSVM,BND-LSSVM,FOA-LSSVM,自己回帰統合移動平均(ARIMA),および経験的モード分解(EMD)-FOA-LSSVMモデルのものよりはるかに小さい。。”ことを示した。”結果”は,それぞれ,3.48%,11.18Yuan/MWh,および9.95Yuan/MWhである,という事を示していた。”結果”は,LSSVM,BND-LSSVM,FOA-LSSVM,自己回帰統合移動平均(ARIMA),および経験的モード分解(EMD)-FOA-LSSVMモデルのものよりはるかに小さい。提案したBND-FOA-LSSVMモデルは電力価格予測に有効で実用的であり,電力価格予測精度を改善できる。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： 最適化手法 ,  揮発性 ,  *スウォーム ,  電力市場
準シソーラス用語： ARIMAモデル ,  予測精度 ,  ハイブリッドモデル ,  予測性能 ,  *電力価格 ,  決定論 ,  最適パラメータ ,  経験的モード分解 ,  自己回帰 , 【Automatic Indexing@JST】

著者キーワード (5件)： 電力価格予測 ,  最小二乗サポートベクトルマシン(LSSVM) ,  Beveridge-Nelson分解法(BND) ,  ミバエ最適化アルゴリズム(FOA) ,  知能予測

分類 (3件)： 人工知能  (JE08000Z) ,  風力発電  (NB03120Q) ,  電力系統一般  (NB02000E)

引用文献 (38件)：

• Panapakidis, I.P.; Dagoumas, A.S. Day-ahead electricity price forecasting via the application of artificial neural network based models. Appl. Energy 2016, 172, 132-151.
• Weron, R. Electricity price forecasting: A review of the state-of-the-art with a look into the future. Int. J. Forecast. 2014, 30, 1030-1081.
• Mandal, P.; Srivastava, A.K.; Senjyu, T.; Negnevitsky, M. Electricity Price Forecasting Using Neural Networks and Similar Days. Adv. Electr. Power Energy Syst. Load Price Forecast. 2017, 215.
• Nowotarski, J.; Weron, R. On the importance of the long-term seasonal component in day-ahead electricity price forecasting. Energy Econom. 2016, 57, 228-235.
• Portela, J.; Munoz, A.; Alonso, E. Forecasting functional time series with a new Hilbertian ARMAX model: Application to electricity price forecasting. IEEE Trans. Power Syst. 2017.

タイトルに関連する用語 (3件)： 電力価格 ,  予測 ,  モデル