{"product_id":"ieej-zt193101","title":"畳み込みニューラルネットワークを用いた熱電併給システム運転計画手法","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e全国大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003e3-101\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【全国大会】平成31年電気学会全国大会論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2019\/03\/01\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eOperation Planning Method for Cogeneration System by Using Convolutional Neural Network\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e小野 哲嗣(日立製作所),河村 勉(日立製作所),中村 亮介(日立製作所)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eTetsushi Ono(Hitachi, Ltd.),Tsutomu Kawamura(Hitachi, Ltd.),Ryousuke Nakamura(Hitachi, Ltd.)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003e熱電併給,コージェネレーション,畳み込みニューラルネットワーク,運転計画,最適化\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e熱電併給システムの運転計画を高速で生成するため，最適運転計画の特性を学習させた機械学習モデルを用いた運転計画手法を開発を進めている。本研究では，蓄熱槽を有する熱電併給システムの運転計画の高精度化のため，電力・冷水需要の時間変化の特徴量を学習できる畳み込みニューラルネットワーク（CNN）を用いた。最適化計算により生成した運転計画を教師データとし、CNNを用いて運転計画を生成した結果、最適化計算の運転計画に対する平均誤差は2.3%以下となり，多層ニューラルネットワークの平均誤差10.1%以下に比べて精度が向上することを確認した。\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e原稿種別: \u003c\/strong\u003e日本語\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e860 Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 2","offer_id":46401718583535,"sku":"IEEJ-ZT193101-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_a0c87015-66fc-4b4b-93a0-e0104bd49ca3.png?v=1744952309","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-zt193101","provider":"電気学会 電子図書館","version":"1.0","type":"link"}