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AdaBoost集成学习的台区负荷最大值预测研究
被引量：
7
1
作者
游文霞
赵迪
+3 位作者
吴永华
黄瑶钰
申坤
李文武
《三峡大学学报（自然科学版）》
CAS
北大核心
2020年第6期92-96,共5页
针对防止配电网台区过载需进行负荷最大值预测,提出基于AdaBoost集成学习的预测算法.首先考虑年、月份、气温以及历史负荷值等影响因素并选择CART决策树作为集成学习的个体学习器;接着通过AdaBoost算法训练各CART决策树个体学习器并计...
针对防止配电网台区过载需进行负荷最大值预测,提出基于AdaBoost集成学习的预测算法.首先考虑年、月份、气温以及历史负荷值等影响因素并选择CART决策树作为集成学习的个体学习器;接着通过AdaBoost算法训练各CART决策树个体学习器并计算各个体学习器的权重系数,利用各个体学习器的线性组合集成得到强学习器;最后利用实例将AdaBoost集成学习算法与K最近邻(KNN)、CART决策树及支持向量机(SVM)3种单一预测算法对比分析.仿真结果表明AdaBoost集成学习算法在预测误差及相关系数等指标方面均优于其他3种算法,体现出较高预测精度,有利于预防台区过载.
展开更多
关键词
台区负荷预测
集成学习
ADABOOST
CART决策树
在线阅读
下载PDF
职称材料
基于变分模态分解-BA-LSSVM算法的配电网短期负荷预测
被引量：
32
2
作者
赵凤展
郝帅
+5 位作者
张宇
杜松怀
单葆国
苏娟
井天军
赵婷婷
《农业工程学报》
EI
CAS
CSCD
北大核心
2019年第14期190-197,共8页
配电台区日负荷序列呈现为既包含变化趋势、又含有波动细节的不规则曲线,该文借助变分模态分解(variational mode decomposition,VMD)将包含这些信息的原始日负荷序列分解为不同频率尺度的子序列,并结合一系列复杂的环境因素,分别利用...
配电台区日负荷序列呈现为既包含变化趋势、又含有波动细节的不规则曲线,该文借助变分模态分解(variational mode decomposition,VMD)将包含这些信息的原始日负荷序列分解为不同频率尺度的子序列,并结合一系列复杂的环境因素,分别利用不同的最小二乘支持向量机(least squares support vector machine,LSSVM)模型进行负荷预测,最后将基于不同频率分量的预测结果相加得到最终的日负荷预测结果。为了提高LSSVM预测能力,采用蝙蝠算法(bat algorithm,BA)对各LSSVM的参数进行寻优,同时,该文分析了影响负荷变化的环境因素,设计了一套因素归一化方法,预测过程考虑了环境因素的影响。仿真结果表明,该文提出的考虑复杂环境因素的预测思想及对历史日负荷进行VMD分解、BA优化、LSSVM预测的组合预测方法能有效提高短期日负荷预测的准确性。
展开更多
关键词
算法
电能
配电
台区负荷预测
变分模态分解
最小二乘支持向量机
蝙蝠算法
复杂环境因素
在线阅读
下载PDF
职称材料
题名
基于AdaBoost集成学习的台区负荷最大值预测研究
被引量：
7
1
作者
游文霞
赵迪
吴永华
黄瑶钰
申坤
李文武
机构
三峡大学电气与新能源学院
国网湖北省电力公司孝感供电公司
出处
《三峡大学学报（自然科学版）》
CAS
北大核心
2020年第6期92-96,共5页
基金
国网湖北省电力公司2019年科技项目(5215K018006B)
湖北省技术创新专项(重大项目)(2017AAA132)。
文摘
针对防止配电网台区过载需进行负荷最大值预测,提出基于AdaBoost集成学习的预测算法.首先考虑年、月份、气温以及历史负荷值等影响因素并选择CART决策树作为集成学习的个体学习器;接着通过AdaBoost算法训练各CART决策树个体学习器并计算各个体学习器的权重系数,利用各个体学习器的线性组合集成得到强学习器;最后利用实例将AdaBoost集成学习算法与K最近邻(KNN)、CART决策树及支持向量机(SVM)3种单一预测算法对比分析.仿真结果表明AdaBoost集成学习算法在预测误差及相关系数等指标方面均优于其他3种算法,体现出较高预测精度,有利于预防台区过载.
关键词
台区负荷预测
集成学习
ADABOOST
CART决策树
Keywords
load forecast of power distribution area
integrated learning
AdaBoost
Classification and Regression Tree
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
基于变分模态分解-BA-LSSVM算法的配电网短期负荷预测
被引量：
32
2
作者
赵凤展
郝帅
张宇
杜松怀
单葆国
苏娟
井天军
赵婷婷
机构
中国农业大学信息与电气工程学院
国网北京市电力公司
国网能源研究院
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2019年第14期190-197,共8页
基金
国家电网公司科技项目(《市场交易环境下电力供需技术模型和应用研究》)
国家重点研发项目(2016YFB0900100)
文摘
配电台区日负荷序列呈现为既包含变化趋势、又含有波动细节的不规则曲线,该文借助变分模态分解(variational mode decomposition,VMD)将包含这些信息的原始日负荷序列分解为不同频率尺度的子序列,并结合一系列复杂的环境因素,分别利用不同的最小二乘支持向量机(least squares support vector machine,LSSVM)模型进行负荷预测,最后将基于不同频率分量的预测结果相加得到最终的日负荷预测结果。为了提高LSSVM预测能力,采用蝙蝠算法(bat algorithm,BA)对各LSSVM的参数进行寻优,同时,该文分析了影响负荷变化的环境因素,设计了一套因素归一化方法,预测过程考虑了环境因素的影响。仿真结果表明,该文提出的考虑复杂环境因素的预测思想及对历史日负荷进行VMD分解、BA优化、LSSVM预测的组合预测方法能有效提高短期日负荷预测的准确性。
关键词
算法
电能
配电
台区负荷预测
变分模态分解
最小二乘支持向量机
蝙蝠算法
复杂环境因素
Keywords
algorithms
power
load forecasting for the distribution transformer
variational mode decomposition
least squares support vector machine
bat algorithm
complex environmental factor
分类号
TM [电气工程]
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AdaBoost集成学习的台区负荷最大值预测研究
游文霞
赵迪
吴永华
黄瑶钰
申坤
李文武
《三峡大学学报（自然科学版）》
CAS
北大核心
2020
7
在线阅读
下载PDF
职称材料
2
基于变分模态分解-BA-LSSVM算法的配电网短期负荷预测
赵凤展
郝帅
张宇
杜松怀
单葆国
苏娟
井天军
赵婷婷
《农业工程学报》
EI
CAS
CSCD
北大核心
2019
32
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
