检索结果-维普期刊中文期刊服务平台

考虑多变量建模的中期负荷预测模型被引量：1: 1; 作者徐利美赵金 +3 位作者李裕民姚非邢吉伟续欣莹《南方电网技术》 CSCD 北大核心 2024年第11期79-87,共9页; 中期负荷预测受温度、节假日和周末等多个外部变量影响。长短时记忆网络(long short-term memory,LSTM)虽然在短期负荷预测中展现了强大的预测能力,但不能很好地建立起中期负荷预测多外部变量与预测负荷之间的相关关系。针对上述问题,... 展开更多; 关键词中期负荷预测长短时记忆网络时间序列特征粒度多变量建模; 在线阅读下载PDF 职称材料

基于ADE-SVM和模糊理论的电力系统中期负荷预测被引量：9: 2; 作者翟永杰刘林王朋《电力系统保护与控制》 EI CSCD 北大核心 2012年第8期110-115,120,共7页; 在基于支持向量机(SVM)的电力系统中期负荷预测的基础上,针对SVM参数难以确定的问题,在引进微分进化(DE)算法优化SVM参数的基础上,为了减少DE的寻优时间,提高全局搜索能力,用基于学习样本集噪声估计的方法确定SVM参数的范围作为DE的寻... 展开更多; 关键词中期负荷预测支持向量机微分进化算法自适应模糊理论; 在线阅读下载PDF 职称材料

多时序协同中期负荷预测模型被引量：14: 3; 作者刘江永刘文翰易灵芝《电力系统及其自动化学报》 CSCD 北大核心 2020年第2期48-53,共6页; 针对负荷预测中前馈神经网络无法记忆序列间关联信息,且长短期记忆网络容易出现过拟合、泛化能力差等问题,提出了加法自回归积分滑动平均ARIMA(auto-regressive integrated moving average)模型结合长短期记忆LSTM(long short-term memo... 展开更多; 关键词中期负荷预测加法自回归积分滑动平均模型长短期记忆网络预测精度; 在线阅读下载PDF 职称材料

基于协整-格兰杰因果检验和季节分解的中期负荷预测被引量：44: 4; 作者刘俊赵宏炎 +2 位作者刘嘉诚潘良军王楷《电力系统自动化》 EI CSCD 北大核心 2019年第1期73-80,共8页; 近年来,随着国民经济的转型,中国的经济结构发生了较大的变化,仅仅依靠电力负荷历史数据进行负荷电量预测会造成较大的误差。为解决传统负荷预测方法对于经济、气象等因素考虑不足的问题,提出了一种可以计及经济与气象等因素影响的中期... 展开更多; 关键词中期负荷预测季节分解协整检验格兰杰因果检验支持向量机; 在线阅读下载PDF 职称材料

ANN在电力系统中期负荷预测中的应用被引量：34: 5; 作者周中明李建平 +1 位作者张鑫韦钢《电力系统及其自动化学报》 CSCD 2003年第2期36-39,共4页; 本文提出了 ANN在电力系统中期负荷预测中的应用。基于优化理论 ,采用改进型 BP算法 ,该算法学习精度高 ,收敛速度快。通过仿真算例证明了该算法的优点 ,并将训练结果应用到了配网规划的实例中 ,验证了; 关键词电力系统中期负荷预测 ANN 人工神经网络应用灰色理论; 在线阅读下载PDF 职称材料

基于奇异谱分析与神经网络的中期负荷预测被引量：26: 6; 作者陈浩文刘文霞李月乔《电网技术》 EI CSCD 北大核心 2020年第4期1333-1342,共10页; 针对非平稳、非线性中期负荷序列分解预测的精度问题,提出了基于奇异谱分析与神经网络的中期负荷分解预测方法。考虑中期负荷长期趋势性与季节性周期波动性特点,在中期负荷序列趋势提取的基础上,利用频谱分析确定序列主要周期成分并引... 展开更多; 关键词中期负荷预测分解预测奇异谱分析神经网络; 在线阅读下载PDF 职称材料

基于谱分析与LS-SVM的中期电力负荷预测被引量：7: 7; 作者李钊年陶凤玲 +3 位作者史旺旺姜楠李积花倪三川《电力系统保护与控制》 EI CSCD 北大核心 2011年第9期88-90,96,共4页; 针对支持向量机方法在短系列电力负荷预测中存在空间划分参数的选择受主观因素影响的缺点,提出了谱分析和最小二乘支持向量机相结合的负荷预测方法。该方法采用谱分析预测实际发生最大电力负荷值的周期,根据周期来确定SVM的训练模型。... 展开更多; 关键词电力系统谱分析最小二乘支持向量机中期负荷预测精度; 在线阅读下载PDF 职称材料

基于人工神经网络的中期电力负荷预测研究被引量：10: 8; 作者高强王胜辉徐建源《沈阳工业大学学报》 EI CAS 2004年第1期41-43,共3页; 采用人工神经网络(ANN)进行电力负荷中期预测.阐述了人工神经网络的基本原理和反向传播算法(BackPropagation).根据实际情况建立了人工神经网络的模型并利用VisualBasic编制了相应的计算程序.进行了实例计算,并验证了ANN适用于中期电力... 展开更多; 关键词人工神经网络中期负荷预测反向传播; 在线阅读下载PDF 职称材料

应用GM(1,1)模型对咸阳地区电力需求中期预测的研究被引量：1: 9; 作者杨大渭《西北电力技术》 2002年第1期18-21,共4页; 通过对咸阳地区分行业用电结构的分析 ,应用GM(1,1)模型预测了未来咸阳地区的电力需求和最大负荷 ,咸阳地区电力需求是分阶段的 ,与国民经济发展呈线性关系的。; 关键词 GM(1 1)模型灰色预测电力需求负荷中期预测电力系统; 在线阅读下载PDF 职称材料

题名考虑多变量建模的中期负荷预测模型被引量：1: 1; 作者徐利美赵金李裕民姚非邢吉伟续欣莹; 机构国网山西省电力公司国网山西省电力公司电力科学研究院山西电力交易中心有限公司国网太原供电公司太原理工大学电气与动力工程学院; 出处《南方电网技术》 CSCD 北大核心 2024年第11期79-87,共9页; 基金国家重点研发计划资助项目(2017YFA0700304) 山西省自然科学基金面上项目(20210302123189)~~。; 文摘中期负荷预测受温度、节假日和周末等多个外部变量影响。长短时记忆网络(long short-term memory,LSTM)虽然在短期负荷预测中展现了强大的预测能力,但不能很好地建立起中期负荷预测多外部变量与预测负荷之间的相关关系。针对上述问题,提出了并行LSTM结构以及时间序列N节点树形LSTM(time-series N-node tree-LSTMs, t-N Tree-LSTMs)结构,通过引入分支结构和树形结构构建更细的特征粒度实现对中期负荷预测的建模。最后在2017年全球能源预测大赛数据集GEFCom2017上进行实验,结果表明在中期负荷预测过程中更细的特征粒度有利于获取更高精度的预测结果,验证了并行LSTM模型和t-N Tree-LSTMs模型的有效性。; 关键词中期负荷预测长短时记忆网络时间序列特征粒度多变量建模; Keywords medium-term load forecasting LSTM time series feature granularity; 分类号 TM73 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于ADE-SVM和模糊理论的电力系统中期负荷预测被引量：9: 2; 作者翟永杰刘林王朋; 机构华北电力大学自动化系; 出处《电力系统保护与控制》 EI CSCD 北大核心 2012年第8期110-115,120,共7页; 基金华北电力大学校内基金(200814003); 文摘在基于支持向量机(SVM)的电力系统中期负荷预测的基础上,针对SVM参数难以确定的问题,在引进微分进化(DE)算法优化SVM参数的基础上,为了减少DE的寻优时间,提高全局搜索能力,用基于学习样本集噪声估计的方法确定SVM参数的范围作为DE的寻优范围,以指导DE寻优。同时,引进自适应算子,采用参数自适应DE(ADE)算法选择SVM参数。由于影响负荷的气温因素是模糊的,利用隶属度函数对气温因素进行模糊化处理,进一步提高了预测精度。将上述方法用于欧洲智能技术网络(EUNITE)竞赛数据的中期电力负荷预测,结果表明,该方法能够准确预测负荷变化,且比其他算法具有更高的预测精度,为电力系统负荷预测提供了重要手段。; 关键词中期负荷预测支持向量机微分进化算法自适应模糊理论; Keywords mid-term load forecasting support vector machine（SVM） differential evolution （DE） self-adaptive fuzzy theory; 分类号 TM715 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名多时序协同中期负荷预测模型被引量：14: 3; 作者刘江永刘文翰易灵芝; 机构湘潭大学信息工程学院湖南省多能源协同控制技术工程研究中心湖南省风电装备与能源变换; 出处《电力系统及其自动化学报》 CSCD 北大核心 2020年第2期48-53,共6页; 基金国家自然科学基金资助项目(61572416) 湖南省自科基金资助项目(2016JJ5033) 产学研重点资助项目(16PYZ022)。; 文摘针对负荷预测中前馈神经网络无法记忆序列间关联信息,且长短期记忆网络容易出现过拟合、泛化能力差等问题,提出了加法自回归积分滑动平均ARIMA(auto-regressive integrated moving average)模型结合长短期记忆LSTM(long short-term memory)网络的多时序协同中期负荷预测ARIMA-LSTM模型。该模型考虑了季节、温度和节假日的影响,采用ARIMA提取负荷序列内部因素,用Adam算法优化ARIMA-LSTM模型的网络参数。最后将某地区实际负荷数据用于该模型,并与神经网络NN(neural network)模型和LSTM进行对比,其均方根误差分别降低了7.698%和2.154%,验证了该模型具有更高的预测精度。; 关键词中期负荷预测加法自回归积分滑动平均模型长短期记忆网络预测精度; Keywords medium-term load forecasting additive auto-regressive integrated moving average model long short-term memory network forecasting accuracy; 分类号 TM715 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于协整-格兰杰因果检验和季节分解的中期负荷预测被引量：44: 4; 作者刘俊赵宏炎刘嘉诚潘良军王楷; 机构陕西省智能电网重点实验室西安交通大学国网陕西省电力公司国网陕西省电力公司电力科学研究院; 出处《电力系统自动化》 EI CSCD 北大核心 2019年第1期73-80,共8页; 基金国家自然科学基金资助项目(51507126) 陕西省重点研发计划资助项目(2017ZDCXL-GY-02-03)~~; 文摘近年来,随着国民经济的转型,中国的经济结构发生了较大的变化,仅仅依靠电力负荷历史数据进行负荷电量预测会造成较大的误差。为解决传统负荷预测方法对于经济、气象等因素考虑不足的问题,提出了一种可以计及经济与气象等因素影响的中期负荷电量预测方法。首先利用季节分解将历史月度用电量分解为长期趋势及循环分量、季节分量以及不规则分量;并以计量经济学中的协整检验以及格兰杰因果检验分析经济因素与用电量长期趋势及循环分量的关系,确定影响该部分电量预测的关键性指标;基于电量、气象以及经济数据,对各个分量利用支持向量机分别进行预测并综合得到月度电量总量预测值;最后通过算例分析了方法的有效性与可行性。; 关键词中期负荷预测季节分解协整检验格兰杰因果检验支持向量机; Keywords medium-term load forecasting seasonal decomposition cointegration test Granger causality test support vector machine (SVM); 分类号 TM715 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名ANN在电力系统中期负荷预测中的应用被引量：34: 5; 作者周中明李建平张鑫韦钢; 机构上海市南供电公司上海电力学院; 出处《电力系统及其自动化学报》 CSCD 2003年第2期36-39,共4页; 文摘本文提出了 ANN在电力系统中期负荷预测中的应用。基于优化理论 ,采用改进型 BP算法 ,该算法学习精度高 ,收敛速度快。通过仿真算例证明了该算法的优点 ,并将训练结果应用到了配网规划的实例中 ,验证了; 关键词电力系统中期负荷预测 ANN 人工神经网络应用灰色理论; Keywords Middle term Electric Load Forecasting,Neural Network, Back Propagation, Application; 分类号 TM715 [电气工程—电力系统及自动化] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于奇异谱分析与神经网络的中期负荷预测被引量：26: 6; 作者陈浩文刘文霞李月乔; 机构新能源电力系统国家重点实验室(华北电力大学); 出处《电网技术》 EI CSCD 北大核心 2020年第4期1333-1342,共10页; 文摘针对非平稳、非线性中期负荷序列分解预测的精度问题,提出了基于奇异谱分析与神经网络的中期负荷分解预测方法。考虑中期负荷长期趋势性与季节性周期波动性特点,在中期负荷序列趋势提取的基础上,利用频谱分析确定序列主要周期成分并引入奇异谱分析方法对序列主要周期成分进行滤波分解,对分解所得的各子序列构建神经网络模型进行预测,各子序列预测结果叠加作为最终的电量预测值。结合某地历史数据,将所提算法与经验模态分解/神经网络方法、传统滤波/神经网络方法预测结果进行对比,结果表明该方法在进行中期电量预测时能够获得更为平稳的、精度较高的预测结果。; 关键词中期负荷预测分解预测奇异谱分析神经网络; Keywords medium-term load forecast decomposition forecast singular spectrum analysis neural network; 分类号 TM715 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于谱分析与LS-SVM的中期电力负荷预测被引量：7: 7; 作者李钊年陶凤玲史旺旺姜楠李积花倪三川; 机构青海大学扬州大学; 出处《电力系统保护与控制》 EI CSCD 北大核心 2011年第9期88-90,96,共4页; 基金江苏高校省级重点实验室开放研究课题(K08016); 文摘针对支持向量机方法在短系列电力负荷预测中存在空间划分参数的选择受主观因素影响的缺点,提出了谱分析和最小二乘支持向量机相结合的负荷预测方法。该方法采用谱分析预测实际发生最大电力负荷值的周期,根据周期来确定SVM的训练模型。该方法可有效地避免参数选择中的人为因素,提高预测精度。从实际算例可看出,除最后一个点位相对误差为8.67%外,其余点位的相对误差均低于±5%,实测值与预测值的拟合度较好,预测精度较高。; 关键词电力系统谱分析最小二乘支持向量机中期负荷预测精度; Keywords power system spectrum analysis LS-SVM medium-term power load forecast precision; 分类号 TM715 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于人工神经网络的中期电力负荷预测研究被引量：10: 8; 作者高强王胜辉徐建源; 机构沈阳工业大学电气工程学院沈阳电力高等专科学校; 出处《沈阳工业大学学报》 EI CAS 2004年第1期41-43,共3页; 文摘采用人工神经网络(ANN)进行电力负荷中期预测.阐述了人工神经网络的基本原理和反向传播算法(BackPropagation).根据实际情况建立了人工神经网络的模型并利用VisualBasic编制了相应的计算程序.进行了实例计算,并验证了ANN适用于中期电力负荷预测.; 关键词人工神经网络中期负荷预测反向传播; Keywords ANN mid-term electric load forecasting back propagation; 分类号 TM714 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名应用GM(1,1)模型对咸阳地区电力需求中期预测的研究被引量：1: 9; 作者杨大渭; 机构陕西电力公司; 出处《西北电力技术》 2002年第1期18-21,共4页; 文摘通过对咸阳地区分行业用电结构的分析 ,应用GM(1,1)模型预测了未来咸阳地区的电力需求和最大负荷 ,咸阳地区电力需求是分阶段的 ,与国民经济发展呈线性关系的。; 关键词 GM(1 1)模型灰色预测电力需求负荷中期预测电力系统; Keywords GM (1,1) model load gray prediction; 分类号 TM715 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	考虑多变量建模的中期负荷预测模型	徐利美赵金李裕民姚非邢吉伟续欣莹	《南方电网技术》 CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
2	基于ADE-SVM和模糊理论的电力系统中期负荷预测	翟永杰刘林王朋	《电力系统保护与控制》 EI CSCD 北大核心	2012	9	在线阅读下载PDF 职称材料
3	多时序协同中期负荷预测模型	刘江永刘文翰易灵芝	《电力系统及其自动化学报》 CSCD 北大核心	2020	14	在线阅读下载PDF 职称材料
4	基于协整-格兰杰因果检验和季节分解的中期负荷预测	刘俊赵宏炎刘嘉诚潘良军王楷	《电力系统自动化》 EI CSCD 北大核心	2019	44	在线阅读下载PDF 职称材料
5	ANN在电力系统中期负荷预测中的应用	周中明李建平张鑫韦钢	《电力系统及其自动化学报》 CSCD	2003	34	在线阅读下载PDF 职称材料
6	基于奇异谱分析与神经网络的中期负荷预测	陈浩文刘文霞李月乔	《电网技术》 EI CSCD 北大核心	2020	26	在线阅读下载PDF 职称材料
7	基于谱分析与LS-SVM的中期电力负荷预测	李钊年陶凤玲史旺旺姜楠李积花倪三川	《电力系统保护与控制》 EI CSCD 北大核心	2011	7	在线阅读下载PDF 职称材料
8	基于人工神经网络的中期电力负荷预测研究	高强王胜辉徐建源	《沈阳工业大学学报》 EI CAS	2004	10	在线阅读下载PDF 职称材料
9	应用GM(1,1)模型对咸阳地区电力需求中期预测的研究	杨大渭	《西北电力技术》	2002	1	在线阅读下载PDF 职称材料