文献

J-GLOBAL ID：201502207622908053   整理番号：15A0228793

年間電力需要予測のためのハイブリッド自己適応粒子群最適化-遺伝的アルゴリズム-動径基底関数モデル

A hybrid self-adaptive Particle Swarm Optimization-Genetic Algorithm-Radial Basis Function model for annual electricity demand prediction

著者 (6件)： YU Shiwei (School of Economics and Management, China Univ. of Geosciences, Wuhan 430074, CHN) ,  YU Shiwei (Center for Energy and Environmental Policy Res., Beijing Inst. of Technol., Beijing 100181, CHN) ,  WANG Ke (Center for Energy and Environmental Policy Res., Beijing Inst. of Technol., Beijing 100181, CHN) ,  WANG Ke (School of Management and Economics, Beijing Inst. of Technol., Beijing 100181, CHN) ,  WEI Yi-Ming (Center for Energy and Environmental Policy Res., Beijing Inst. of Technol., Beijing 100181, CHN) ,  WEI Yi-Ming (School of Management and Economics, Beijing Inst. of Technol., Beijing 100181, CHN)
資料名： Energy Conversion and Management  (Energy Conversion and Management)
巻： 91  ページ： 176-185  発行年： 2015年02月 
JST資料番号： A0552A  ISSN： 0196-8904  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： 本研究では,年間電力需要予測のために,動径基底関数ニューラルネットワークで最適化したハイブリッド粒子群最適化と遺伝的アルゴリズム(PSO-GA-RBF)を提案した。モデルにおいて,各混合粒子(または染色体)は二つのコード部分に分かれる,二値部と実数部である。それは,GA操作と基底関数パラメータによってRBF構造を最適化し,そしてPSO-GA実装によって強化した。最適化ネットワークを使用して武漢における将来の電力消費を予測するために,五つの独立変数を選んだ。結果は,(1)提案したPSO-GA-RBFモデルは他の選択したANNモデルと比較すると,より簡単なネットワーク構造をもちまた,推定精度が高かった;(2)シナリオによらず,武漢の電力消費は平均年間成長率9.7~11.5%で急速に増加することを示した。計画シナリオにおける2020年までの電力需要は,検討したシナリオ中最高であり,958.5億kWhであった。最低需要は平常状態シナリオに対するもので,884.5億kWhであった。Copyright 2015 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *最適化 ,  *遺伝的アルゴリズム ,  *ハイブリッド方式 ,  *電力需要 ,  *予測技法 ,  年変化 ,  ニューラルネットワーク ,  動径基底関数
準シソーラス用語： *粒子群最適化 ,  ラジアル基底関数 ,  自己適応粒子群最適化

分類 (1件)： 電力工学・電力事業一般  (NB01000X)

タイトルに関連する用語 (6件)： 電力需要予測 ,  自己適応 ,  粒子群最適化 ,  遺伝的アルゴリズム ,  動径基底関数 ,  モデル