文献

J-GLOBAL ID：202202229771431607   整理番号：22A0476563

伝統的クラスタリング手法を超えた電力消費パターン解析:新しい自己適応半教師つきクラスタリング法と応用事例研究【JST・京大機械翻訳】

Electricity consumption pattern analysis beyond traditional clustering methods: A novel self-adapting semi-supervised clustering method and application case study

著者 (4件)： Zhang Xiaohai (International Research Center for Renewable Energy (IRCRE), State Key Laboratory of Multiphase Flow in Power Engineering (MFPE), Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China) ,  Ramirez-Mendiola Jose Luis (School of the Built Environment, University of Reading, Whiteknights, Reading RG6 6AF, United Kingdom) ,  Li Mingtao (International Research Center for Renewable Energy (IRCRE), State Key Laboratory of Multiphase Flow in Power Engineering (MFPE), Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China) ,  Guo Liejin (International Research Center for Renewable Energy (IRCRE), State Key Laboratory of Multiphase Flow in Power Engineering (MFPE), Xi’an Jiaotong University, Xi’an, Shaanxi 710049, China)
資料名： Applied Energy  (Applied Energy)
巻： 308  ページ： Null  発行年： 2022年 
JST資料番号： A0097A  ISSN： 0306-2619  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 世界中の電力系統の高速容量情報化により,その研究を大きく促進し,真にスマートで低炭素エネルギーシステムに向けての移行を支援する可能性を提供する,前例のない量のデータを提供した。この状況において,家庭の電力消費行動(ECB)の研究のためのクラスタリング法の使用は,他の物の間で,分散型再生可能エネルギー資産のより効果的な展開,差別化された料金政策の開発,および負荷予測を容易にするので,非常に有益であることを証明した。しかし,従来のクラスタリング法で使用される類似性計量は,電気負荷プロファイルの時間変動を正確に捉えるのに困難がある。この問題に対処するために,自己適応メトリック学習プロセスに基づく新しい半教師つき自動クラスタリング法を開発した。提案方法は,データ適応親和性伝播クラスタ化アルゴリズム(DLDA+AP)による教師つき学習のために,最近開発した深線形判別解析アルゴリズムを組み合わせた電力需要負荷パターンの解析に,そして,平均でk-平均のような伝統的方法より75パーセントポイント高い精度を有する高品質自動クラスタ化を達成した。この be法に基づき,ロンドンの5566世帯の主流の毎日の電力消費パターンを捕捉する統一負荷辞書を作成した。負荷辞書と家庭の毎日の電力消費の解析を通して,サンプルデータセットにおける家庭のための完全なECBプロファイルを構築することが可能である。さらに,ECBと強く相関することが見出された206の家庭特性を組み合わせると,この方法は電力市場のための住宅の顧客セグメンテーションへの実用的なアプローチを提供する。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 ,  学習 ,  炭素 ,  *電力消費 ,  電力系統 ,  電力需要 ,  負荷予測 ,  クラスタ化 ,  教師つき学習 ,  料金 ,  *事例研究 ,  電力市場
準シソーラス用語： *自己適応 ,  高品質 ,  電気負荷 , 【Automatic Indexing@JST】

著者キーワード (3件)： 家庭電力消費挙動 ,  半教師つきクラスタリング ,  計量学習

分類 (4件)： エネルギー消費・省エネルギー  (LD01000B) ,  電力系統一般  (NB02000E) ,  発電一般  (NB03010W) ,  太陽光発電  (NB03090G)

タイトルに関連する用語 (7件)： クラスタリング手法 ,  電力消費 ,  パターン解析 ,  自己適応 ,  半教師つきクラスタリング ,  応用 ,  研究