文献

J-GLOBAL ID：202102283979892900   整理番号：21A0412408

改良人工魚群-カエル跳躍アルゴリズムに基づくLSSVMパラメータ短期負荷予測の最適化【JST・京大機械翻訳】

Parameters Selection for LSSVM Based on Artificial Fish Swarm-Shuffled Frog Jump Algorithms Optimization in Short-Term Load Forecasting

著者 (4件)： Yang Haizhu (河南理工大学電气工程与自動化学院,河南焦作454003) ,  Jiang Zhaoyang (河南理工大学電气工程与自動化学院,河南焦作454003) ,  Li Menglong (河南理工大学電气工程与自動化学院,河南焦作454003) ,  Kang Le (河南理工大学電气工程与自動化学院,河南焦作454003)
資料名： Dianzi Keji  (Dianzi Keji)
巻： 33  号： 12  ページ： 67-74  発行年： 2020年 
JST資料番号： C4424A  ISSN： 1007-7820  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 短期電力負荷予測は,電力系統の安全スケジューリングと経済運用において鍵となる役割を果たす。最小二乗法サポートベクトルマシンによる負荷予測において,パラメータ選択は予測精度に直接影響する。LSSVMの予測精度を改善するために,Levy変異適応視野人工魚群-カエル跳躍アルゴリズムに基づくLSSVMのパラメータ最適化法を提案した。ある県負荷、天候などの歴史的データでLSSVMを訓練し、LAVAFSA-SFLA-LSSVM、AFSA-LSSVM、LAFSA-SFLA-LSSVMの3種類の予測モデルを作り、この地区のある日24hの電力負荷を予測した。計算例の結果は,LAVAFSA-SFLA-LSSVMの予測精度が,AFSA-LSSVMとLAFSA-SFLA-LSSVMのものより高く,予測誤差がより小さいことを示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  最小二乗法 ,  *最適化 ,  スケジューリング ,  経済運用 ,  電力系統 ,  *負荷予測 ,  *魚群 ,  予測誤差 ,  予測モデル ,  サポートベクトルマシン
準シソーラス用語： 予測精度 ,  電力負荷 ,  天候 ,  短期電力負荷予測 , 【Automatic Indexing@JST】

分類 (2件)： 電力系統一般  (NB02000E) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 人工 ,  カエル ,  跳躍 ,  アルゴリズム ,  パラメータ ,  短期 ,  負荷予測 ,  最適化