文献

J-GLOBAL ID：202202229929401751   整理番号：22A1163824

電気自動車の半分散ネットワークにおけるロバストな多段電力消費予測法【JST・京大機械翻訳】

A Robust Multi-Stage Power Consumption Prediction Method in a Semi-Decentralized Network of Electric Vehicles

著者 (2件)： Wang Zhishang (Adaptive Systems Laboratory, Graduate School of Computer Science and Engineering, The University of Aizu, Aizuwakamatsu, Fukushima, Japan) ,  Ben Abdallah Abderazek (Adaptive Systems Laboratory, Graduate School of Computer Science and Engineering, The University of Aizu, Aizuwakamatsu, Fukushima, Japan)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 37082-37096  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 仮想発電所(VPP)は,ピーク需要の期間において,様々な相互接続ユニットによって発生する電力を割り当てることにより,電力グリッド上の負荷をバランスさせる。さらに,電気自動車(EVs)や移動ロボットのような需要側エネルギー機器も,効果的に配備するとき,エネルギー供給と需要のバランスをとることができる。しかし,再生可能資源によって発生するエネルギーの変動は,エネルギー供給を挑戦的目標とする。本論文では,スマートグリッドプラットフォームにおける電力管理のための電気自動車(NoEV)統合システムの半分散ロバストネットワークを提案した。提案方法は,ブロックチェーンフレームワークにEVフリートとアグリゲータを統合する。EVsは,Qualfied Local Model Selection(FL-QLMS)のための連合学習と呼ばれる新しい連合学習アルゴリズムに基づく電力消費を予測するために,多段アルゴリズムを実行する。評価結果から,提案したシステムは,従来の手法よりも短い間隔と伝搬遅延において35%少ないトランザクションを必要とし,高レベルのセキュリティを維持しながらより良いネットワーク効率を達成した。さらに,NoEVは電力消費予測に対する従来の手法よりも5.7%低い二乗平均平方根誤差(RMSE)を達成し,これは重要な改善である。さらに,FL-QLMS法は,クライアント側攻撃に対するロバスト性に関して最先端の方法より優れている。また,評価結果は,FL-QLMSの性能が,モデルの10%~40%が操作されたときに影響されないことを示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *予測技法 ,  アルゴリズム ,  *電力 ,  *ネットワーク ,  *電気自動車 ,  *電力消費 ,  電力需要 ,  相互接続 ,  電力管理 ,  移動ロボット ,  *ロバスト性 ,  学習アルゴリズム ,  スマートグリッド ,  サイバー攻撃
準シソーラス用語： 伝搬遅延 ,  ピーク需要 , 【Automatic Indexing@JST】

分類 (1件)： 電力系統一般  (NB02000E)

タイトルに関連する用語 (6件)： 電気自動車 ,  分散ネットワーク ,  ロバスト ,  多段 ,  電力消費 ,  予測法