文献

J-GLOBAL ID：202202230149699745   整理番号：22A0731226

経験的モード分解と極値学習機械を用いた住宅負荷のための新しいハイブリッド短期電力予測技術【JST・京大機械翻訳】

A novel hybrid short-term electricity forecasting technique for residential loads using Empirical Mode Decomposition and Extreme Learning Machines

著者 (4件)： Sulaiman S.M. (Department of Computer Science and Engineering, Kalasalingam Academy of Research and Education, India) ,  Jeyanthy P. Aruna (Department of Electrical and Electronics Engineering, Kalasalingam Academy of Research and Education, India) ,  Devaraj D. (Department of Electrical and Electronics Engineering, Kalasalingam Academy of Research and Education, India) ,  Shihabudheen K.V. (Department of Electrical Engineering, National Institute of Technology, Calicut, India)
資料名： Computers and Electrical Engineering  (Computers and Electrical Engineering)
巻： 98  ページ： Null  発行年： 2022年 
JST資料番号： D0546B  ISSN： 0045-7906  CODEN： CPEEBQ  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： 近年,住宅負荷予測問題は,Smart Meters and Data Analysisの出現により,新たな関心を集めている。本論文では,極端学習機械(ELM)とタンデムの経験的モード分解(EMD)に基づく新しいハイブリッド法を提案し,スマートメータデータから導出した住宅負荷信号の予測精度を改善した。3つの最先端の機械学習法,すなわち人工ニューラルネットワーク(ANN),サポートベクトル回帰(SVR),およびELMを性能比較のために選択した。その結果,提案した方法が住宅負荷に通常存在するピークを採取するのに有効であり,従って予測精度を改善することが分かった。さらに,試験結果は,試験データがより多くのピークによって特性評価されるとき,EMDベースのモデルの性能が向上することを示した。住宅負荷測定を含む公共データセットであるスマート*を評価に用いた。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： *予測技法 ,  回帰分析 ,  *電力 ,  負荷予測 ,  ニューラルネットワーク ,  *学習機械 ,  精度 ,  直列接続 ,  *周波数解析 ,  *住宅 ,  機械学習 ,  サポートベクトルマシン
準シソーラス用語： ハイブリッド法 ,  予測精度 ,  スマートメータ ,  サポートベクトル回帰 ,  *経験的モード分解 ,  極度学習機械 , 【Automatic Indexing@JST】

著者キーワード (5件)： 短期負荷予測 ,  経験的モード分解 ,  極限学習機械 ,  スマートメータデータ ,  スマートグリッド

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 経験的モード分解 ,  極値 ,  学習機械 ,  住宅 ,  短期 ,  予測技術