文献

J-GLOBAL ID：202202249233905002   整理番号：22A1036684

データマイニングに基づく都市天然ガス日負荷の予測モデル【JST・京大機械翻訳】

A Forecast Model of City Natural Gas Daily Load Based on Data Mining

著者 (2件)： Chen Liang (School of Economics and Management, Southwest Petroleum University, Sichuan, Chengdu 610500, China) ,  Zhang Jijun (School of Economics and Management, Southwest Petroleum University, Sichuan, Chengdu 610500, China)
資料名： Scientific Programming  (Scientific Programming)
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： W0689A  ISSN： 1058-9244  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： データマイニング技術は,天然ガスシステムの毎日の負荷予測においてますます広く使われている。天然ガスシステムのための高精度でタイムリーな日内負荷予測と日内負荷動的特性クラスタ化を実行するのは,まだ難しい。データマイニング技術に基づいて,本論文は,天然ガス流動状態空間モデルのための安定した日内負荷予測方法を提案した。システムの電流運転条件下の負荷感度を計算によって得た。状態空間のサンプル空間をデータ処理を通して確立した。異なるクラスタ化半径の下の分割を計算した。そして,最高の日内負荷フローは,状態空間有効性評価方法を通して得た。実験結果は,モデル負荷予測精度と相対誤差が,それぞれ,98.5%と0.026に達し,それは,ガス日内負荷の長期的蓄積歴史的データを処理する問題を解決した。同時に,データ計算の量は33.6%減少し,日内負荷影響因子と定性分析の定量化を効果的に促進した。Copyright 2022 Liang Chen and Jijun Zhang. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 電流 ,  システム ,  *天然ガス ,  負荷予測 ,  精度 ,  *都市 ,  定性分析 ,  クラスタ化 ,  気体流 ,  *モデル ,  データ処理 ,  *負荷 ,  *予測モデル ,  *データマイニング
準シソーラス用語： 有効性評価 , 【Automatic Indexing@JST】

分類 (3件)： 電力系統一般  (NB02000E) ,  太陽光発電  (NB03090G) ,  エネルギー消費・省エネルギー  (LD01000B)

引用文献 (25件)：

• R. Hafezi, A. N. Akhavan, M. Zamani, S. Pakseresht, S. Shamshirband, "Developing a data mining based model to extract predictor factors in energy systems: application of global natural gas demand," Energies, vol. 12, no. 21, pp. 4124, 2019.
• P. Potočnik, J. Šilc, G. Papa, "A comparison of models for forecasting the residential natural gas demand of an urban area," Energy, vol. 167, pp. 511-522, 2019.
• T. Ahmad, H. Chen, J. Shair, C. Xu, "Deployment of data-mining short and medium-term horizon cooling load forecasting models for building energy optimization and management," International Journal of Refrigeration, vol. 98, pp. 399-409, 2019.
• G. Sun, C. Jiang, X. Wang, X. Yang, "Short-term building load forecast based on a data-mining feature selection and LSTM-RNN method," IEEJ Transactions on Electrical and Electronic Engineering, vol. 15, no. 7, pp. 1002-1010, 2020.
• S. Fathi, R. Srinivasan, A. Fenner, S. Fathi, "Machine learning applications in urban building energy performance forecasting: a systematic review," Renewable and Sustainable Energy Reviews, vol. 133, 2020.

タイトルに関連する用語 (4件)： データマイニング ,  都市 ,  天然ガス ,  予測モデル