文献

J-GLOBAL ID：202202246529708043   整理番号：22A1053254

長期短期記憶を用いた電力負荷予測の体系的文献レビュー【JST・京大機械翻訳】

A Systematic Literature Review of Electricity Load Forecasting using Long Short-Term Memory

著者 (3件)： Salleh Nur Shakirah Md (Universiti Tenaga Nasional, Kajang, Selangor, Malaysia) ,  Suliman Azizah (Universiti Tenaga Nasional, Kajang, Selangor, Malaysia) ,  Jorgensen Bo Norregaard (Maersk Mc-Kinney Moller Institutte, Odense, Denmark)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 835  ページ： 765-776  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 電力負荷予測の研究は,電力会社の短期,中期,長期計画に寄与した。予測を実行する方法の一つは機械学習である。多様なタイプのデータセット特徴,機械学習アルゴリズム,および評価メトリックスがある。本論文は,2019年から2021年の間に発表された電力負荷予測に関する論文をレビューした。レビューは系統的文献レビュー法を適用した。全体で,368の論文がオンラインデータベース,IEEEから集められた。検索は,キーワード,すなわち短期,電力,負荷,需要,深層学習,予測,時系列,回帰,および長い短期記憶の組み合わせに基づいて行った。収集した論文から,25の論文を標題と抄録の徹底的な調査から選択した。最後に,11の完全な材料を最終レビューのために選択した。レビューは集中した。(i)共通データセットの特徴と継続時間,(ii)試験および検証戦略,および(iii)選択した評価尺度。歴史的電力負荷データセットは,電力予測を行うのに十分であった。しかし,それはデータセットに独立変数を加えることによって改善された。RMSEとMAPEは,レビューした論文で最も使用された評価尺度であった。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データベース ,  *電力 ,  予測 ,  試験 ,  IEEE ,  *負荷 ,  検証 ,  機械学習 ,  学習アルゴリズム
準シソーラス用語： 短期記憶 ,  メトリックス ,  電力会社 ,  オンライン ,  評価尺度 ,  *電力負荷 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： LSTM ,  予測 ,  電力負荷 ,  レビュー論文

分類 (2件)： 電力系統一般  (NB02000E) ,  電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (5件)： 長期 ,  短期記憶 ,  電力負荷 ,  予測 ,  体系的文献レビュー