文献

J-GLOBAL ID：202202288018221722   整理番号：22A1131617

直交ウェーブレットと長短期記憶ニューラルネットワークに基づく電気負荷予測手法【JST・京大機械翻訳】

Electricity Load Forecasting Method based on Orthogonal Wavelet and Long Short-term Memory Neural Networks

著者 (4件)： Zhang Lin (国网重慶市電力公司,重慶市渝中区 400010) ,  Lai Xiangping (国网重慶市電力公司,重慶市渝中区 400010) ,  Zhong Shuyong (重慶智网科技有限公司信息通信分公司,重慶市渝北区 401120) ,  Li Keyi (国网重慶市電力公司信息通信分公司,重慶市渝中区 400010)
資料名： Xiandai Dianli  (Xiandai Dianli)
巻： 39  号： 1  ページ： 72-79  発行年： 2022年 
JST資料番号： C3438A  ISSN： 1007-2322  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 電気負荷データの変動性と周期性は電力負荷予測の精度に影響する。本文では、直交小波長短期記憶ニューラルネットワーク(orthogonalwavelettransform-longshort-termmemory,OWT-LSTM)に基づく電気負荷予測方法を提案した。直交ウェーブレット分解を用いて,負荷データの変動性を排除し,次に,LSTMと可変ニューラルネットワークを用いて,直交ウェーブレット分解後の各スケール負荷シーケンスを訓練し,各シーケンスの予測結果を予測して,最終負荷予測結果を得た。ユーザー用電気負荷データセットによる検証により、この方法の予測性能はその他のモデルより優れ、高い予測精度と安定性を有することが分かった。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： *予測技法 ,  生体リズム ,  予測 ,  分離 ,  *負荷予測 ,  *ニューラルネットワーク ,  精度 ,  *波束 ,  モデル ,  負荷 ,  *直交性
準シソーラス用語： 周期性 ,  予測精度 ,  予測性能 ,  電力負荷 ,  ウェーブレット分解 ,  *電気負荷 , 【Automatic Indexing@JST】

分類 (3件)： 電力系統一般  (NB02000E) ,  電力工学・電力事業一般  (NB01000X) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： ウェーブレット ,  長短期記憶 ,  ニューラルネットワーク ,  電気負荷 ,  予測手法