文献

J-GLOBAL ID：202202244691561432   整理番号：22A1130874

XGBoostとQRLSTMに基づく超短期負荷予測手法【JST・京大機械翻訳】

Ultra-Short-Term Load Forecasting Method Based on XGBoost and QRLSTM

著者 (3件)： Zhang Zhaobei (上海電力大学計算机科学与技術学院,上海200090) ,  Gu Chunhua (上海理工大学,上海200093) ,  Wen Mi (上海電力大学計算机科学与技術学院,上海200090)
資料名： Jisuanji Fangzhen  (Jisuanji Fangzhen)
巻： 39  号： 1  ページ： 90-95,110  発行年： 2022年 
JST資料番号： C2937A  ISSN： 1006-9348  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 現在の超短期電力負荷予測における特徴マイニングの不足と電力負荷の不確実性情報を正確に反映できないという問題に対して、XGBoostとQRLSTMに基づく超短期負荷予測方法を提案した。最初に,XGBoostアルゴリズムを用いて,重要な特徴をマイニングし,点負荷予測結果を生成し,確率予測法の入力特性として結合させた。次に,LSTMと弾球損失を用いてQRLSTM確率予測法を構築した。最後に,電力負荷の確率密度曲線をカーネル密度推定法によって得た。ニュージーランドの公共電力負荷データセットを用いたシミュレーション結果は,提案した方法が重要な特徴をマイニングするだけでなく,電力負荷の不確実性情報をより正確に反映できることを示した。Data from Wanfang. Translated 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 ,  シミュレーション ,  電力 ,  不確実性 ,  予測 ,  *負荷予測 ,  曲線 ,  ニュージーランド ,  確率密度 ,  短期
準シソーラス用語： 確率予測 ,  電力負荷 ,  カーネル推定 ,  短期電力負荷予測 ,  長短期記憶 , 【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 (2件)： 短期 ,  予測手法