文献

J-GLOBAL ID：202102286109394878   整理番号：21A0410594

データ駆動に基づく差分-RBFニューラルネットワークの台地短期負荷予測手法【JST・京大機械翻訳】

Short-term Load Forecasting Method Based on Data-driven Difference RBF Neural Network

著者 (6件)： Duan Lian (广東電网有限責任公司广州供電局 ,广東广州510630) ,  Xiang Li (广東電网有限責任公司广州供電局 ,广東广州510630) ,  Wu Qiong (广東電网有限責任公司广州供電局 ,广東广州510630) ,  Lu Haowen (广東電网有限責任公司广州供電局 ,广東广州510630) ,  Li Qianying (广東電网有限責任公司广州供電局 ,广東广州510630) ,  Sun Yi (華北電力大学電气与電子工程学院 ,北京102206)
資料名： Guangdong Dianli  (Guangdong Dianli)
巻： 33  号： 11  ページ： 66-74  発行年： 2020年 
JST資料番号： C4320A  ISSN： 1007-290X  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： 短期負荷予測における台地負荷データフローの動的,不完全性,および非線形などの特徴が負荷予測にもたらすチャレンジに対処するため,データ駆動に基づく差分動径基底関数(radialbasisfunction)を構築した。RBFニューラルネットワークの短期負荷予測法を示した。まず第一に,統合分類装置に基づくデータストリーム分類アルゴリズムを採用して,多次元台地の負荷データを分類した。第2に,灰色相関度分析を用いて,指標パラメータ関連度をランク付けした。負荷予測符号器と復号器を,インクリメンタル符号化の応用方式によって構築し,次に,負荷データのための差分RBF予測と交差検証を行った。シミュレーション結果により,データ駆動に基づく差分RBFニューラルネットワークの短期負荷予測方法は,低い誤差を維持しながら,計算時間および圧縮誤差を低減できた。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： シミュレーション ,  分類装置 ,  *負荷予測 ,  *ニューラルネットワーク ,  復号器 ,  *台地 ,  符号器 ,  等級づけ ,  高次元 ,  動径基底関数 ,  予測誤差
準シソーラス用語： データストリーム ,  分類アルゴリズム ,  *データ駆動 ,  データフロー ,  *動径基底関数ニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (5件)： データ駆動 ,  差分 ,  台地 ,  短期 ,  予測手法