基於粒子群最佳化卷積神經網路進行短期負載預測

Short-Term Load Forecasting Using Particle Swarm Optimization-based Convolutional Neural Network

詹于萱(YU-HSUAN CHAN)

指導教授 ： 洪穎怡

中原大學/電機資訊學院/電機工程學系/碩士(2022年)

https://doi.org/10.6840/cycu202201038

摘要

無資料

關鍵字

負載預測 ； 卷積神經網路 ； 相關性分析 ； 神經網路架構 ； 粒子群優化演算法

並列摘要

無資料

並列關鍵字

Load Forecasting ； Convolutional Neural Network ； Cross Correlation ； Network Structure ； Particle Swarm Optimization

參考文獻

[1] 台灣電力企業聯合會，「我國傳統及新興電業現況與未來展望」，台灣電力企業聯合會，2020年。

[2] S. J. Huang and K. R. Shih, “Short-term load forecasting via ARMA model identification including non-gaussian process considerations,” IEEE Trans. Power Syst., vol. 18, no. 2, pp. 673–679, 2003.

[3] P. J. García Nieto, F. Sánchez Lasheras, E. García-Gonzalo, and F. J. de Cos Juez, “PM10 concentration forecasting in the metropolitan area of Oviedo (Northern Spain) using models based on SVM, MLP, VARMA and ARIMA: A case study,” Sci. Total Environ., vol. 621, pp. 753–761, 2018.

[4] C. M. Huang, C. J. Huang, and M. L. Wang, “A particle swarm optimization to identifying the ARMAX model for short-term load forecasting,” IEEE Trans. Power Syst., vol. 20, no. 2, pp. 1126–1133, 2005.

[5] J. W. Taylor, “Short-term load forecasting with exponentially weighted methods,” IEEE Trans. Power Syst., vol. 27, no. 1, pp. 458–464, 2012.