Deep GRBFNを用いた短期負荷予測

カテゴリ: 研究会(論文単位)

論文No: PE22083,PSE22103,SPC22131

グループ名: 【B】電力・エネルギー部門 電力技術/【B】電力・エネルギー部門 電力系統技術/【D】産業応用部門 半導体電力変換合同研究会

発行日: 2022/03/07

タイトル(英語): An Advanced Method for Load Forecasting with Deep GRBFN

著者名: 三輪 陸人(明治大学),森 啓之(明治大学)

著者名(英語): Rikuto Miwa(Meiji University),Hiroyuki Mori(Meiji University )

キーワード: 進化的計算|ニューラルネットワーク|深層学習|負荷予測|Evolutionary computation|Artificial Neural Network|Deep Nueral Network|Load forecasting

要約(日本語): 本論文では，Deep GRBFNを用いた短期負荷予測法を提案する。提案法は従来法以上の高精度な負荷予測を実現するために，GRBFNをオートエンコーダーを用いて深層化する。GRBFNを深層化する目的は，オートエンコーダーの次元圧縮機能によってGRBFNのモデルの簡略化を図りながら，従来法以上の高精度な予測を実現することである。

要約(英語): This paper proposes an advanced method for Load Forecasting with Deep GRBFN. The proposed method is based on the integration of Autoencoder of pretraining for Deep Learning and Generalized Radial Basis Function Network (GRBFN). The former plays a key role for the dimensionality reduction of input variables while the latter works for the predictors. This paper aims at evaluating one-step ahead daily load forecasting. The effectiveness of the proposed method is demonstrated for real data of a power company.

本誌: 2022年3月10日-2022年3月11日電力技術/電力系統技術/半導体電力変換合同研究会-4

本誌掲載ページ: 101-106 p

原稿種別: 日本語

PDFファイルサイズ: 1,015 Kバイト