...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>電気評論 >海外文献紹介
【24h】

海外文献紹介

机译：海外文学介绍

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

内容：負荷予測は電力系統運用にとって非常に重要である。負荷予測のより高い精度を追求することは，常にこの分野の主要な目標である。過去の不良な負荷データが存在すると，時系列ベースの負荷予測技術の予測精度に悪影響を及ぼす可能性がある。マルチノード負荷データの中では.それらの異常値は瞬間的に現れるだけである。择常値の悪影響は.マルチノード負荷データの空間的相対性を利用することによつて減少することができる。本論文では，空間時間特徴クラスタリングにもとづく新しい負荷予測手法を提案した。時間的規則的負荷パターンを，個々のノードに対する全負荷から抽出した。個々の増分負荷の空間分布特性を，k-medoidsクラスタ化アルゴリズムによって分類した。MapReduceコンビユーティングモードを用いて.計算効率を上げるためにマルチノード負荷データを操作した。この新しい予測手法は，異常値の影響を低減し，高精度で信頼でき，効率的な負荷予測を提供することができた。最大6.6%の異常値を有する実際の電力系統データセットにおける試験で，この手法の結果は，3つの他の時系列ベースの方法（9.8%と10.6%の間）と比較して，約6.2%の低い予測誤差を示した。
机译：内容：负荷预测对于电力系统的运行非常重要。在负荷预测中追求更高的精度一直是该领域的主要目标。过去不良数据的存在可能会对基于时间序列的负荷预测技术的预测准确性产生不利影响。在多节点负载数据中，这些异常值仅在瞬间出现。可以通过利用多节点负载数据的空间相关性来减少阈值的不利影响。本文提出了一种基于时空特征聚类的负荷预测方法。从每个节点的总负载中提取时间规则的负载模式。通过k-medoids聚类算法对单个增量载荷的空间分布特征进行分类。使用MapReduce组合模式处理多节点负载数据以提高计算效率。这种新的预测方法能够减少异常值的影响，提供高度准确，可靠和有效的负载预测。在离群值高达6.6％的实际电力系统数据集的测试中，与其他三个基于时间序列的方法（介于9.8％和10.6％之间）相比，该方法的结果显示约6.2％。它显示出较低的预测误差。

著录项

  • 来源
    《電気評論》 |2020年第4期|83-83|共1页
  • 作者

  • 作者单位
  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号