文献

J-GLOBAL ID：202202249232492531   整理番号：22A0103076

機械学習に基づく電気エネルギー予測への負荷プロファイル伝搬の適用【JST・京大機械翻訳】

Applying load profiles propagation to machine learning based electrical energy forecasting

著者 (3件)： Bendaoud N.M.M. (Department of Computer Sciences, LIPSIC laboratory, University of Tunis El Manar Faculty of Sciences of Tunis, Tunisia) ,  Farah N. (Department of Computer Sciences, LABGED laboratory University of Badji Mokhtar Annaba, Algeria) ,  Ben Ahmed S. (Department of Computer Sciences, LIPSIC laboratory, University of Tunis El Manar Faculty of Sciences of Tunis, Tunisia)
資料名： Electric Power Systems Research  (Electric Power Systems Research)
巻： 203  ページ： Null  発行年： 2022年 
JST資料番号： C0994A  ISSN： 0378-7796  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： 電気エネルギー発生は,生産プロセスの最適制御を必要とする経済的で環境的挑戦である。効率的な予測システムを開発するためには,電気エネルギーの正確なモデリングが不可欠である。この目的を達成するために,本論文では,負荷プロファイル(LP)を用いた革新的負荷予測アプローチを紹介した。最初に,アルジェリアにおける電力消費を解析して,需要に影響する異なる因子を検出した。次に,季節データの変動を時間ごとの温度プロファイルを通して適用した。LPベースの予測を,3つのレベル(年間,毎週,および毎日の)LP伝播を用いて実行した。多重人工知能技術を用いて短期および中期負荷予測モデルを開発した。それらの中で,ここでは,負荷予測において初めて使用された2次元畳込みニューラルネットワーク(CNN)を,初めて使用した。人工知能(AI)ベースモデルおよびLPベースモデルの得られた予測精度は,2次元CNNに対して,かなり高く,(MAPE=0.80%,RMSE=75.57MW,Willmott指数(WI)=0.99)であった。LP伝搬法に対する(MAPE=3.86%,RMSE=372.68MW,WI=0.95)。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： 温度分布 ,  最適制御 ,  電力消費 ,  負荷予測 ,  アルジェリア民主人民共和国 ,  人工知能 ,  多重化 ,  二次元 ,  生産プロセス ,  *機械学習
準シソーラス用語： 予測精度 ,  予測システム ,  電力負荷 ,  *電気エネルギー ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： 電力負荷予測 ,  負荷プロファイル ,  負荷プロファイル伝搬 ,  短期負荷予測 ,  人工知能

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)： 機械学習 ,  電気エネルギー ,  予測 ,  プロファイル ,  伝搬