文献
J-GLOBAL ID:202202271877656137   整理番号:22A0564779

チャネルおよび時間注意ベース時間畳込みネットワークを用いた短期負荷予測【JST・京大機械翻訳】

Short-Term Load Forecasting Using Channel and Temporal Attention Based Temporal Convolutional Network
著者 (5件):
資料名:
巻: 205  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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
負荷予測は電力系統運用と計画の基礎である。正確な負荷予測は,電力系統の安全で信頼できる運用,カット発電コストを確保でき,経済的利益を増加させる。しかし,様々な要因による複雑な影響の観点から,負荷を効果的に予測することは挑戦的である。予測性能を強化するために,本論文は,チャネルと一時的注意機構(AM)による一時的畳込みネットワーク(TCN)に基づく短期負荷予測モデルを提案して,それは気象因子と負荷の間の非線形関係性を完全に利用した。さらに,最大情報係数(MIC)を採用して,高品質入力変数を選択し,そして,モデルが訓練するために必要なパラメータを減らすために,無関係変数を除去した。一方,動的時間ワーピング(DTW)と組み合わせたファジィc-平均(FCM)を開発し,負荷データに関するクラスタ解析を行い,同じクラスタへの高い類似特性を有する負荷を分類した。実験は,提案した予測手法の能力を検証するために,公共および電力網会社から来る2つの異なるデータセットについて実施した。実験結果は,提唱した方法が他の予測モデルと比較して負荷予測の精度と一般化能力を効果的に強化することができることを示した。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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
電力系統一般 
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る