文献

J-GLOBAL ID：202202286637558806   整理番号：22A1042804

非常に短期の負荷予測に向けた知的アプローチ【JST・京大機械翻訳】

An intelligent approach towards very short-term load forecasting

著者 (3件)： Pati Uttamarani (Department of Electrical Engineering, Veer Surendra Sai University of Technology, Burla, Odisha, India) ,  Ray Papia (Department of Electrical Engineering, Veer Surendra Sai University of Technology, Burla, Odisha, India) ,  Singh Arvind R. (School of Electrical Engineering, Key Laboratory of Power System Intelligent Dispatch and Control, Ministry of Education, Shandong University, Jinan, China)
資料名： International Journal of Emerging Electric Power Systems  (International Journal of Emerging Electric Power Systems)
巻： 23  号： 1  ページ： 59-72  発行年： 2022年 
JST資料番号： W3791A  ISSN： 2194-5756  資料種別： 逐次刊行物 (A)
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： 非常に短期負荷予測(VSTLF)は,ユーティリティ労働者が発電スケジューリング,スピニング予備の規模,および負荷需要を充足するユーティリティによって発生する電力の間の平衡を維持するための適切な決定をするのを助けるのに,極めて重要な役割を果たす。しかしながら,効果的なVSTLFモデルの開発は,ノイズのあるリアルタイムデータを収集し,時間から時間への負荷需要変動で見出される特徴を複雑にするのに挑戦する。1時間前形式における負荷予測のための遺伝的アルゴリズム(GA)ベースの特徴選択技術と組み合わせた不完全ファジィ決定システム(IFDS)を用いたVSTLFのためのハイブリッド方式を,本研究で提案した。この提案した作業は,負荷特性を決定し,冗長な特徴を除去して,より少ない複雑な予測モデルを形成することを目的とする。提案方法は,入力として日,温度,湿度,露点の時間を考慮し,予測負荷として出力を生成する。入力データと歴史的負荷データは,2010年12月,2010年1月と2010年2月に,北部地域負荷配分センター(NRLDC)ニューデリーから収集された。提案手法の有効性の検証のために,その性能をANNやANFISのような他の従来のAI技術と比較し,その性能を高めるための遺伝的アルゴリズムベースの特徴選択技術を統合した。これらの技術の精度を,それらの平均絶対百分率誤差(MAPE)と正規化二乗平均平方根誤差(nRMSE)値を通してテストした。他の従来のAI技術および以前の研究を通して提供された他の方法と比較して,提案方法は,電気負荷予測の1時間前に許容できる精度を有することがわかった。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  冗長性 ,  電力 ,  湿度 ,  *負荷予測 ,  労働者 ,  特徴選択 ,  負荷配分 ,  スピニング加工 ,  モデル ,  負荷特性 ,  正規化 ,  遺伝的アルゴリズム ,  予測モデル
準シソーラス用語： 発電計画 , 【Automatic Indexing@JST】

著者キーワード (6件)： 適応ニューロファジィ推論システム ,  人工ニューラルネットワーク ,  不完全ファジィ決定システム ,  特徴選択 ,  遺伝的アルゴリズム ,  負荷予測

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

タイトルに関連する用語 (2件)： 短期 ,  負荷予測