文献

J-GLOBAL ID：202202218058612167   整理番号：22A0102364

日先ピーク負荷予測のための多変量経験的モード分解ベースハイブリッドモデル【JST・京大機械翻訳】

Multivariate empirical mode decomposition based hybrid model for day-ahead peak load forecasting

著者 (4件)： Huang Yanmei (Center for Big Data Analytics, Jiangxi University of Engineering, Xinyu, 338029, PR China) ,  Hasan Najmul (Center for Modern Information Management, School of Management, Huazhong University of Science and Technology, Wuhan, 430074, PR China) ,  Deng Changrui (Center for Big Data Analytics, Jiangxi University of Engineering, Xinyu, 338029, PR China) ,  Bao Yukun (Center for Modern Information Management, School of Management, Huazhong University of Science and Technology, Wuhan, 430074, PR China)
資料名： Energy  (Energy)
巻： 239  号： PC  ページ： Null  発行年： 2022年 
JST資料番号： H0631A  ISSN： 0360-5442  CODEN： ENEYDS  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： 正確な日先ピーク負荷予測は,電力負荷配分だけでなく,政府と同様に投資家とエネルギー政策メーカーにとって大きな関心を持っている。文献は,予測の1%の誤差低下が10百万のパウンド運用コストを減らすことができることを明らかにした。したがって,本研究は,多変量経験的モード分解(MEMD)とサポートベクトル回帰(SVR)で構築された新しいハイブリッド予測モデルを,正確な電力ピーク負荷を捉えることができる粒子群最適化(PSO)によって最適化されたパラメータで提案した。本研究の新規性は,主にMEMDの適用から来ており,多変量データ分解が,時間にわたる多変量劣化の間の異なる時間周波数における関連変数間の固有情報を効果的に抽出することを可能にする。オーストラリアのニューサウスウェールズ(NSW)とVictoria(VIC)からの2つの実世界負荷データセットを,提案したMEMD-PSO-SVRハイブリッドモデルの優位性を検証するために考慮した。定量的および包括的評価を行い,その結果は,提案したMEMD-PSO-SVR法が,日先電力ピーク負荷予測の有望な代替であることを示した。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： 最適化 ,  電力 ,  *ピーク負荷 ,  *負荷予測 ,  操業費 ,  生産者 ,  エネルギー政策 ,  ニューサウスウェールズ州 ,  予測モデル
準シソーラス用語： 粒子群最適化 ,  *ハイブリッドモデル ,  投資家 ,  電力負荷 ,  サポートベクトル回帰 ,  *経験的モード分解 , 【Automatic Indexing@JST】

著者キーワード (4件)： 日先ピーク負荷予測 ,  多変量経験的モード分解(MEMD) ,  粒子群最適化(PSO) ,  ハイブリッドモデル

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (4件)： 負荷予測 ,  多変量 ,  経験的モード分解 ,  ハイブリッドモデル