電力予測モデル開発のためのインテリジェントエンドツーエンドニューラルアーキテクチャ探索フレームワーク【JST機械翻訳】

Yang Jin; Jiang Guangxin; Wang Yinan; Chen Ying

プレプリント

J-GLOBAL ID：202202204994845089 整理番号：22P0310213

電力予測モデル開発のためのインテリジェントエンドツーエンドニューラルアーキテクチャ探索フレームワーク【JST機械翻訳】

An Intelligent End-to-End Neural Architecture Search Framework for Electricity Forecasting Model Development

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月25日プレプリントサーバーでの情報更新日： 2024年06月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

近年,電力系統における時系列電力予測のための深層学習(DL)モデルの開発において指数的成長が見られる。しかしながら,提案モデルの多くは,提案ニューラルアーキテクチャの適切性を損なわずに,設計者固有の知識および経験に基づいて設計されている。さらに,これらのモデルは,それらの構造の柔軟な設計のために,動的に変化したデータパターンに自己調整することができない。いくつかの最近の研究は,電力予測部門における最適化構造を持つネットワークを得るためのニューラルアーキテクチャ探索(NAS)技術の応用を検討しているが,その訓練プロセスは計算コストが高く,その探索戦略は柔軟でなく,この分野におけるNAS応用はまだ初期段階にあることを示している。本研究では,時系列電力予測モデルの開発のための知的自動化アーキテクチャ探索(IAAS)フレームワークを提案した。提案したフレームワークは,3つの主要なコンポーネント,すなわち,ネットワーク機能保存変換操作,強化学習(RL)ベースのネットワーク変換制御,および発見的ネットワークスクリーニングを含み,それはネットワーク構造の探索品質を改善することを目的とする。2つの公的に利用可能な電力負荷データセットと2つの風力発電データセットで包括的な実験を行った後,提案したIAAS枠組みが予測精度と安定性に関して10の既存のモデルや方法よりもかなり優れていることを実証した。最後に,予測精度の改善における提案IAASフレームワークにおける重要コンポーネントの重要性を示すために,アブレーション実験を行った。【JST機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る