期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于动态自适应K均值聚类的电力用户负荷编码与行为分析
被引量：
8
1
作者
孙毅
冯云
+1 位作者
崔灿
贾孟扬
《电力科学与技术学报》
CAS
北大核心
2017年第3期3-8,共6页
随着中国智能电表在用户中广泛普及,电力公司可获取用户用电数据日益庞大,海量的用电数据给用户用电行为挖掘分析带来了新的挑战。提出一种将用户典型用电负荷进行编码的方法,首先,基于聚类中心动态分离的自适应k均值算法,提取用户典型...
随着中国智能电表在用户中广泛普及,电力公司可获取用户用电数据日益庞大,海量的用电数据给用户用电行为挖掘分析带来了新的挑战。提出一种将用户典型用电负荷进行编码的方法,首先,基于聚类中心动态分离的自适应k均值算法,提取用户典型用电负荷形状;其次,对典型负荷进行编码,并记录负荷属性值,建立具有普适性的用户负荷字典;最后,提取用户平均最大负荷和用户行为稳定性,获得不同用户参与需求响应以及能源效率项目的潜力。该方法在一定程度上解决了海量用电数据处理的难题,对用户用电行为分析研究具有一定的实际意义。
展开更多
关键词
用电行为分析
动态k均值
负荷编码
负荷字典
在线阅读
下载PDF
职称材料
基于改进神经网络的热网短期热负荷预测
被引量：
15
2
作者
李琦
周鹏
《控制工程》
CSCD
北大核心
2014年第4期506-509,共4页
针对供热系统供热量和需热量不匹配的问题和节能降耗的需求,提出一种基于改进神经网络的供热系统短期热负荷滚动预测方法。该方法利用动态的K-均值聚类算法确定RBF神经网络的隐含层中心,以实现对聚类中心的个数优化选择,再利用递归正交...
针对供热系统供热量和需热量不匹配的问题和节能降耗的需求,提出一种基于改进神经网络的供热系统短期热负荷滚动预测方法。该方法利用动态的K-均值聚类算法确定RBF神经网络的隐含层中心,以实现对聚类中心的个数优化选择,再利用递归正交最小二乘法更新网络连接的权系数,训练RBF神经网络模型。每次预测时用实时数据更新一部分历史数据从而组成新的输入,再用训练模型预测下一时刻的热负荷,用于实现热网热负荷短期滚动预测。仿真结果表明,该方法与传统的神经网络预测方法相比,预测精度高,对热网系统短期热负荷具有良好的预测能力,能给热网控制器提供可靠的数据,使热网供热量和需求量相匹配,满足节能降耗的需求,具有一定的工程实用价值。
展开更多
关键词
热负荷
动态k均值
聚类
神经网络
递归最小二乘
短期滚动预测
在线阅读
下载PDF
职称材料
题名
基于动态自适应K均值聚类的电力用户负荷编码与行为分析
被引量：
8
1
作者
孙毅
冯云
崔灿
贾孟扬
机构
华北电力大学电气与电子工程学院
出处
《电力科学与技术学报》
CAS
北大核心
2017年第3期3-8,共6页
基金
国家高技术研究发展计划("863"计划)(2015AA050203)
中央高校基金平台项目(HDJB-2015-10)
国家电网公司总部科技项目(HD2015-181)
文摘
随着中国智能电表在用户中广泛普及,电力公司可获取用户用电数据日益庞大,海量的用电数据给用户用电行为挖掘分析带来了新的挑战。提出一种将用户典型用电负荷进行编码的方法,首先,基于聚类中心动态分离的自适应k均值算法,提取用户典型用电负荷形状;其次,对典型负荷进行编码,并记录负荷属性值,建立具有普适性的用户负荷字典;最后,提取用户平均最大负荷和用户行为稳定性,获得不同用户参与需求响应以及能源效率项目的潜力。该方法在一定程度上解决了海量用电数据处理的难题,对用户用电行为分析研究具有一定的实际意义。
关键词
用电行为分析
动态k均值
负荷编码
负荷字典
Keywords
electricity behavior analysis
dynamic
k
-means
load coding
load dictionary
分类号
TM734 [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
基于改进神经网络的热网短期热负荷预测
被引量：
15
2
作者
李琦
周鹏
机构
内蒙古科技大学信息工程学院
出处
《控制工程》
CSCD
北大核心
2014年第4期506-509,共4页
基金
内蒙古自然科学基金项目(2012MSO910)
文摘
针对供热系统供热量和需热量不匹配的问题和节能降耗的需求,提出一种基于改进神经网络的供热系统短期热负荷滚动预测方法。该方法利用动态的K-均值聚类算法确定RBF神经网络的隐含层中心,以实现对聚类中心的个数优化选择,再利用递归正交最小二乘法更新网络连接的权系数,训练RBF神经网络模型。每次预测时用实时数据更新一部分历史数据从而组成新的输入,再用训练模型预测下一时刻的热负荷,用于实现热网热负荷短期滚动预测。仿真结果表明,该方法与传统的神经网络预测方法相比,预测精度高,对热网系统短期热负荷具有良好的预测能力,能给热网控制器提供可靠的数据,使热网供热量和需求量相匹配,满足节能降耗的需求,具有一定的工程实用价值。
关键词
热负荷
动态k均值
聚类
神经网络
递归最小二乘
短期滚动预测
Keywords
heat load
Dynamic
k
-means clustering
Neural networ
k
Recursive least squares
Short-term rolling forecasts
分类号
TP301 [自动化与计算机技术—计算机系统结构]
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
基于动态自适应K均值聚类的电力用户负荷编码与行为分析
孙毅
冯云
崔灿
贾孟扬
《电力科学与技术学报》
CAS
北大核心
2017
8
在线阅读
下载PDF
职称材料
2
基于改进神经网络的热网短期热负荷预测
李琦
周鹏
《控制工程》
CSCD
北大核心
2014
15
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
