文献

J-GLOBAL ID：201702224996573688   整理番号：17A0446464

ホタルアルゴリズムにより最適化された2層分解法とBPニューラルネットワークに基づくハイブリッドモデルを用いた多段階前電力価格予測【Powered by NICT】

Multi-step ahead electricity price forecasting using a hybrid model based on two-layer decomposition technique and BP neural network optimized by firefly algorithm

著者 (10件)： Wang Deyun (School of Economics and Management, China University of Geosciences, Wuhan 430074, China) ,  Wang Deyun (Mineral Resource Strategy and Policy Research Center, China University of Geosciences, Wuhan 430074, China) ,  Wang Deyun (Universite de Bourgogne Franche-Comte, UTBM, IRTES, Rue Thierry Mieg, Belfort cedex 90010, France) ,  Luo Hongyuan (School of Economics and Management, China University of Geosciences, Wuhan 430074, China) ,  Luo Hongyuan (Mineral Resource Strategy and Policy Research Center, China University of Geosciences, Wuhan 430074, China) ,  Grunder Olivier (Universite de Bourgogne Franche-Comte, UTBM, IRTES, Rue Thierry Mieg, Belfort cedex 90010, France) ,  Lin Yanbing (School of Economics and Management, China University of Geosciences, Wuhan 430074, China) ,  Lin Yanbing (Mineral Resource Strategy and Policy Research Center, China University of Geosciences, Wuhan 430074, China) ,  Guo Haixiang (School of Economics and Management, China University of Geosciences, Wuhan 430074, China) ,  Guo Haixiang (Mineral Resource Strategy and Policy Research Center, China University of Geosciences, Wuhan 430074, China)
資料名： Applied Energy  (Applied Energy)
巻： 190  ページ： 390-407  発行年： 2017年 
JST資料番号： A0097A  ISSN： 0306-2619  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： 規制緩和された競争の激しい電力市場では,電力供給と需要の間の関係を反映する価格は最も重要な要素の一つであり,電力価格を正確に予測することには,すべての市場参加者にとって重要にした。しかし,電力価格系列には,通常,非線形性,非定常性と揮発性のような複雑な特徴,これは非常に困難であることが価格予測はにている。電力価格予測の精度を改善するために,本論文では,最初の二層分解法を提案し,ホタルアルゴリズム(FA)により最適化された高速アンサンブル経験的モード分解(FEEMD),変分モード分解(VMD)と逆伝搬(BP)ニューラルネットワークに基づくハイブリッドモデルを開発した。予測精度を改善するために提案したモデルはVMDは多くのモードにFEEMDにより生成された高周波固有モード関数(IMF)を分解に特に適用したという意味でユニークである。提案したモデルの有効性と精度を検証するために,オーストラリアとフランスの実世界電力市場から収集したそれぞれ三電力価格時系列は,経験的研究を行うために採用した。結果は,提案したモデルが一段階二段階,四段階及び六段階先行予測の地平,提案したモデルは,電力価格の一段階および多段階両方前方予測のための優れた性能を持つことを示し,他の考慮したモデルよりも優れていることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *電力 ,  フランス共和国 ,  電力供給 ,  HF【周波数】 ,  規制緩和 ,  *最適化 ,  神経回路網 ,  非線形性 ,  オーストラリア連邦 ,  電力市場 ,  *分割法 ,  予測精度 ,  *電力価格 ,  *ハイブリッドモデル ,  *改変
準シソーラス用語： *価格予測 , 【Automatic Indexing@JST】

著者キーワード (6件)： 電力価格は予測 ,  前方マルチステップ ,  高速アンサンブル経験的モード分解 ,  変分モード分解 ,  ホタルアルゴリズム ,  バックプロパゲーション神経回路網

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 (9件)： ホタルアルゴリズム ,  最適化 ,  2層 ,  分解法 ,  BPニューラルネットワーク ,  ハイブリッドモデル ,  段階 ,  電力価格 ,  予測