文献

J-GLOBAL ID：202202217382640130   整理番号：22A1117724

深層学習による高エネルギー消費産業負荷の分解のためのロバストアプローチ【JST・京大機械翻訳】

A robust approach for the decomposition of high-energy-consuming industrial loads with deep learning

著者 (7件)： Cui Jia (The School of Electrical Engineering, Shenyang University of Technology, Shenyang, 110870, Liaoning Province, China) ,  Jin Yonghui (The School of Electrical Engineering, Shenyang University of Technology, Shenyang, 110870, Liaoning Province, China) ,  Yu Renzhe (Ulanqab Electric Power Bureau, Ulanqabn, 012000, Ulanqab, China) ,  Okoye Martin Onyeka (The School of Electrical Engineering, Shenyang University of Technology, Shenyang, 110870, Liaoning Province, China) ,  Li Yang (School of Electrical Engineering, Northeast Electric Power University, Jilin, 132012, China) ,  Yang Junyou (The School of Electrical Engineering, Shenyang University of Technology, Shenyang, 110870, Liaoning Province, China) ,  Wang Shunjiang (State Grid Liaoning Electric Power Supply Co, Ltd., Shenyang, 110006, Liaoning Province, China)
資料名： Journal of Cleaner Production  (Journal of Cleaner Production)
巻： 349  ページ： Null  発行年： 2022年 
JST資料番号： W0750A  ISSN： 0959-6526  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ユーザの電力消費パターンの知識は,重要な意思決定の観点から,ユーティリティ企業と電力消費者の間の重要な協調メカニズムである。したがって,負荷分解が,負荷消費とその特性の間の基礎となる関係を明らかにするために重要である。しかし,負荷分解は通常住宅と商業負荷で行われ,適切な考慮は,非効率な結果をもたらす高エネルギー消費産業負荷に与えられていない。本論文では,工業団地負荷(IPL)の負荷分解に焦点を当てた。しかし,従来の方法で一般的に使用されるパラメータは,高エネルギー消費工業負荷では適用できない。したがって,IPLに関するこの目標を達成するために,3アルゴリズムモデルから成るよりロバストなアプローチを開発した。最初に,改良変分モード分解(IVMD)アルゴリズムを導入し,IPLの訓練データを雑音除去し,その安定性を改善した。第二に,畳み込みニューラルネットワーク(CNN)と単純リカレントユニット(SRU)結合アルゴリズムを用いて,IPL特性に基づく二重層深層学習ネットワークを用いてIPLの非侵襲的および非侵襲的分解プロセスを達成した。特に,CNNを用いてIPLデータ特性を抽出し,一方,改良長および短期メモリ(LSTM)ネットワーク,SRUを採用して,分解モデルを開発し,さらに負荷データを訓練した。ロバスト分解過程を通して,負荷消費における根底にある関係を抽出した。数値例から得た結果は,このアプローチが従来の分解プロセスにおける最先端技術より優れていることを示した。Copyright 2022 Elsevier B.V., Amsterdam. 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 ,  変分法 ,  意思決定 ,  ネットワーク ,  電力消費 ,  消費 ,  工業団地 ,  *ロバスト性 ,  雑音除去
準シソーラス用語： 訓練データ ,  二重層 ,  非侵襲 ,  *深層学習 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： スマートグリッド ,  負荷意識 ,  非侵入荷重分解 ,  深層学習

分類 (1件)： 環境問題  (SA01020V)

タイトルに関連する用語 (4件)： 深層学習 ,  エネルギー消費 ,  産業 ,  分解