プレプリント
J-GLOBAL ID:202202217707692433   整理番号:22P0301051

KPF-AE-LSTM:高太陽シナリオにおける正味負荷予測のための深い確率モデル【JST・京大機械翻訳】

KPF-AE-LSTM: A Deep Probabilistic Model for Net-Load Forecasting in High Solar Scenarios
著者 (6件):
資料名:
発行年: 2022年03月05日  プレプリントサーバーでの情報更新日: 2022年03月05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)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
配電網内の背後の太陽浸透の予想される上昇により,正味負荷を確実に予測でき,その不確実性と変動性を正確に定量化できる時系列予測法を開発する必要がある。本論文では,様々な太陽浸透レベルで15分分解能で日先の正味負荷の確率的予測を生成する深層学習法を示した。提案の深層学習ベースアーキテクチャは,畳込みAutoencoder(AE)を介して高次元入力から低次元潜在空間への次元縮小を利用する。次に,AEからの抽出した特徴を,カーネル埋め込みPerron-Frobenius(kPF)演算子を通して特徴を通過することにより,潜在空間を横切る確率分布を生成するために利用した。最後に,長い短期メモリ(LSTM)層を用いて,潜在空間分布から予測ネット負荷の時系列確率分布を合成した。モデルは,既存のベンチマークモデルと比較して,優れた訓練効率を維持するだけでなく,優れた予測性能(数メートル当たり)を提供することを示した。詳細な解析を行って,種々の太陽浸透レベル(最大50%),予測層(例えば15分と24時間前),および住宅の集約レベル,ならびに欠測測定値に対するロバスト性を評価した。【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
電力系統一般  ,  パターン認識 

前のページに戻る