检索结果-维普期刊中文期刊服务平台

售电侧开放市场环境下基于多分位鲁棒极限学习机的短期负荷预测技术: 1; 作者杨希王刚 +2 位作者张鹏宇李颖张国锋《科技创新与应用》 2024年第8期94-97,共4页; 该文基于极限学习机算法设计一种用于短期负荷预测的多分位鲁棒极限学习机模型,该模型能解决传统预测模型抗干扰能力差的缺陷,可以在面临不确定性因素干扰的情况下准确预测负荷。对传统模型和多分位鲁棒极限学习机模型的鲁棒性和多分位... 展开更多; 关键词多分位鲁棒极限学习机短期负荷预测核概率密度函数输入量预测结果; 在线阅读下载PDF 职称材料

基于分位回归鲁棒极限学习机的短时负荷预测方法被引量：3: 2; 作者陈明帆宁光涛 +2 位作者何礼鹏黄立毅覃丹《水电能源科学》北大核心 2018年第10期206-209,共4页; 针对短期负荷预测对电力系统运行管理和优化调度的影响,提出一种基于分位回归鲁棒极限学习机的短时负荷预测方法,即先对所收集的历史负荷数据进行归一化处理,然后利用自相关分析提取最相关的历史负荷数据作为模型的输入变量,再融合鲁棒... 展开更多; 关键词短期负荷预测分位回归鲁棒极限学习机自相关分析; 在线阅读下载PDF 职称材料

基于鲁棒极限学习机的污泥膨胀智能检测方法被引量：1: 3; 作者焦广利张璐钟麦英《山东科技大学学报（自然科学版）》 CAS 北大核心 2022年第3期111-120,共10页; 污水处理运行数据中常含有离群点,严重影响污泥膨胀检测效果。针对该问题提出一种基于鲁棒极限学习机的智能检测方法。首先,考虑到极限学习机的输出权值由最小二乘估计获得,易受离群点的影响导致模型鲁棒性较差,通过引入M-估计技术构建... 展开更多; 关键词污泥膨胀鲁棒极限学习机检测模型智能检测; 在线阅读下载PDF 职称材料

基于RLMD-SE-CNN-RELM的水位预测混合模型研究: 4; 作者张奇伟刘月馨 +3 位作者许雯徐军杨陈佳雷张楚《人民长江》北大核心 2025年第3期116-125,133,共11页; 精准的水位预测在自然灾害预警、水资源管理和生态环境保护等领域具有重要应用价值。为此,提出了一种基于鲁棒局部均值分解(RLMD)、样本熵(SampEn)、卷积神经网络(CNN)和正则化极限学习机(RELM)的水位预测混合模型。首先利用RLMD对历史... 展开更多; 关键词水位预测鲁棒局部均值分解样本熵卷积神经网络正则化极限学习机岷江流域; 在线阅读下载PDF 职称材料

基于VMD-ORELM-EC的超短期风速组合预测模型被引量：1: 5; 作者谢东良郅伦海 +1 位作者周康胡峰《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第5期703-711,共9页; 为提高超短期风速预测的精度,文章提出一种基于变分模态分解(variational mode decomposition,VMD)、离群鲁棒极限学习机(outlier-robust extreme learning machine,ORELM)和误差修正(error correction,EC)的超短期风速组合预测模型VMD-... 展开更多; 关键词超短期风速预测变分模态分解(VMD) 离群鲁棒极限学习机(ORELM) 误差修正(EC); 在线阅读下载PDF 职称材料

基于BSA-RELM的纯电动汽车锂离子电池SOC估计被引量：19: 6; 作者吴忠强尚梦瑶 +2 位作者申丹丹戚松岐朱向东《计量学报》 CSCD 北大核心 2019年第4期693-699,共7页; 提出一种基于鸟群算法优化鲁棒极限学习机的锂离子电池荷电状态估计算法。鲁棒极限学习机克服了极限学习机不能处理异常值的缺点,提高了网络的预测准确率。利用鸟群算法优化鲁棒极限学习机的隐层节点数和调节因子等参数,解决隐层节点数... 展开更多; 关键词计量学荷电状态锂离子电池纯电动汽车鸟群算法鲁棒极限学习机; 在线阅读下载PDF 职称材料

题名售电侧开放市场环境下基于多分位鲁棒极限学习机的短期负荷预测技术: 1; 作者杨希王刚张鹏宇李颖张国锋; 机构国网新疆营销服务中心(资金集约中心、计量中心) 国网新疆电力有限公司吐鲁番供电公司; 出处《科技创新与应用》 2024年第8期94-97,共4页; 基金国网新疆营销服务中心科技项目(6230DK20003W)。; 文摘该文基于极限学习机算法设计一种用于短期负荷预测的多分位鲁棒极限学习机模型,该模型能解决传统预测模型抗干扰能力差的缺陷,可以在面临不确定性因素干扰的情况下准确预测负荷。对传统模型和多分位鲁棒极限学习机模型的鲁棒性和多分位性进行验证,对比结果表明,多分位鲁棒极限学习机模型的鲁棒性更好,在不同分位下的预测精度更高。; 关键词多分位鲁棒极限学习机短期负荷预测核概率密度函数输入量预测结果; Keywords multi-quantile robust limit learning machine short-term load forecasting kernel probability density function input prediction results; 分类号 TM743 [电气工程—电力系统及自动化]; 在线阅读下载PDF 职称材料

题名基于分位回归鲁棒极限学习机的短时负荷预测方法被引量：3: 2; 作者陈明帆宁光涛何礼鹏黄立毅覃丹; 机构海南电网有限责任公司; 出处《水电能源科学》北大核心 2018年第10期206-209,共4页; 基金海南电网有限责任公司科技项目(070000KK52160001); 文摘针对短期负荷预测对电力系统运行管理和优化调度的影响,提出一种基于分位回归鲁棒极限学习机的短时负荷预测方法,即先对所收集的历史负荷数据进行归一化处理,然后利用自相关分析提取最相关的历史负荷数据作为模型的输入变量,再融合鲁棒极限学习机和分位回归建立负荷预测基本模型,最后利用某电力公司2016年采样频率为30min的数据进行实例分析,试验数据表明相比极限学习机(ELM)、分位回归(QR)和分位回归支持向量机(QR-SVM),所提模型预测精度更高,验证了所提模型和算法的可行性和有效性。; 关键词短期负荷预测分位回归鲁棒极限学习机自相关分析; Keywords short-term load forecasting quantile regression robust extreme learning machine autocorretion analysis; 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

题名基于鲁棒极限学习机的污泥膨胀智能检测方法被引量：1: 3; 作者焦广利张璐钟麦英; 机构山东科技大学电气与自动化工程学院; 出处《山东科技大学学报（自然科学版）》 CAS 北大核心 2022年第3期111-120,共10页; 基金国家自然科学基金项目(62103246) 中国博士后科学基金项目(2021M691966)。; 文摘污水处理运行数据中常含有离群点,严重影响污泥膨胀检测效果。针对该问题提出一种基于鲁棒极限学习机的智能检测方法。首先,考虑到极限学习机的输出权值由最小二乘估计获得,易受离群点的影响导致模型鲁棒性较差,通过引入M-估计技术构建基于鲁棒极限学习机(RELM)的离群点检测模型,实现离群点的检测和修正。其次,建立基于鲁棒极限学习机的污泥膨胀检测模型,根据污泥膨胀检测模型误差及阈值逻辑完成污泥膨胀的检测。最后,利用污水处理厂采集的运行数据对提出的智能检测方法进行验证。实验结果表明,本研究方法不仅可以实现离群点的有效修正,而且可以完成污泥膨胀的准确检测。; 关键词污泥膨胀鲁棒极限学习机检测模型智能检测; Keywords sludge bulking RELM detection model intelligent detection; 分类号 TN929.5 [电子电信—通信与信息系统]; 在线阅读下载PDF 职称材料

题名基于RLMD-SE-CNN-RELM的水位预测混合模型研究: 4; 作者张奇伟刘月馨许雯徐军杨陈佳雷张楚; 机构中国电建集团华东勘测设计研究院有限公司杭州华辰电力控制工程有限公司淮阴工学院自动化学院; 出处《人民长江》北大核心 2025年第3期116-125,133,共11页; 基金国家自然科学基金项目(62303191,62306123) 江苏省自然科学基金项目(BK20191052) 江苏省高等学校自然科学研究项目(23KJD480001)。; 文摘精准的水位预测在自然灾害预警、水资源管理和生态环境保护等领域具有重要应用价值。为此,提出了一种基于鲁棒局部均值分解(RLMD)、样本熵(SampEn)、卷积神经网络(CNN)和正则化极限学习机(RELM)的水位预测混合模型。首先利用RLMD对历史水位数据进行分解,引入样本熵方法对分量数据进行特征重组以减少数据量;然后利用CNN对重组数据进行特征提取以提高训练速度;最后利用RELM预测每个子序列,将预测结果叠加得到水位序列的最终预测值。以岷江流域下游高场水文站点1997~2020年的日水位数据为研究对象,对模型预测性能进行验证。结果表明:在未来1 d水位预测方面,所构建的混合模型与RELM、CNN-RELM、RLMD-CNN-RELM模型相比,准确度分别提升5.93%,5.91%,0.52%;3种不同预见期(1,2,3 d)下,混合模型预测结果的NSE分别为0.934657,0.932588,0.922955,预报精度均达到甲级。建立的RLMD-SE-CNN-RELM模型预测精度高,稳定性强,可为水位预测和水资源的精准调度提供参考。; 关键词水位预测鲁棒局部均值分解样本熵卷积神经网络正则化极限学习机岷江流域; Keywords water level prediction robust local mean decomposition sample entropy convolutional neural network regularized extreme learning machine Minjiang River Basin; 分类号 TV124 [水利工程—水文学及水资源] P338 [天文地球—水文科学]; 在线阅读下载PDF 职称材料

题名基于VMD-ORELM-EC的超短期风速组合预测模型被引量：1: 5; 作者谢东良郅伦海周康胡峰; 机构合肥工业大学土木与水利工程学院; 出处《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第5期703-711,共9页; 基金国家自然科学基金资助项目(51978230 52278495) 安徽省自然科学基金杰出青年基金资助项目(2108085J29)。; 文摘为提高超短期风速预测的精度,文章提出一种基于变分模态分解(variational mode decomposition,VMD)、离群鲁棒极限学习机(outlier-robust extreme learning machine,ORELM)和误差修正(error correction,EC)的超短期风速组合预测模型VMD-ORELM-EC。首先利用VMD将原始风速序列分解,并对每个分解子序列分别建立ORELM模型,将各子模型预测结果相加得到模型初步预测序列;然后将原始风速序列与初步预测序列相减得到模型的误差序列,并对误差序列进行VMD分解,对分解得到的误差子序列建立ORELM模型,从而得到误差预测序列;最后将模型的初步预测序列与误差预测序列组合得到最终的风速预测序列。利用该文提出的预测模型对北京测风塔实测的风速数据进行分析,结果表明模型可以有效挖掘风速序列特性,在超短期风速预测上具有较高的预测性能。; 关键词超短期风速预测变分模态分解(VMD) 离群鲁棒极限学习机(ORELM) 误差修正(EC); Keywords ultra-short-term wind speed prediction variational mode decomposition(VMD) outlier-robust extreme learning machine(ORELM) error correction(EC); 分类号 TM614 [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BSA-RELM的纯电动汽车锂离子电池SOC估计被引量：19: 6; 作者吴忠强尚梦瑶申丹丹戚松岐朱向东; 机构燕山大学秦皇岛港股份有限公司; 出处《计量学报》 CSCD 北大核心 2019年第4期693-699,共7页; 基金河北省自然科学基金(F2016203006); 文摘提出一种基于鸟群算法优化鲁棒极限学习机的锂离子电池荷电状态估计算法。鲁棒极限学习机克服了极限学习机不能处理异常值的缺点,提高了网络的预测准确率。利用鸟群算法优化鲁棒极限学习机的隐层节点数和调节因子等参数,解决隐层节点数和调节因子等参数难以确定的问题,可进一步提高网络的收敛速度,且利于寻找全局最优值。利用ADVISOR软件采集影响电池荷电状态的主要参数:电流、电压、温度和内阻等进行建模和测试。仿真结果表明,采用鸟群算法优化鲁棒极限学习机比BPNN、RBFNN和FNN的估计误差更小,具有更高的预测精度。; 关键词计量学荷电状态锂离子电池纯电动汽车鸟群算法鲁棒极限学习机; Keywords metrology SOC Li-ion battery PEV BSA robust extreme learning machine; 分类号 TB971 [机械工程—测试计量技术及仪器]; 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	售电侧开放市场环境下基于多分位鲁棒极限学习机的短期负荷预测技术	杨希王刚张鹏宇李颖张国锋	《科技创新与应用》	2024	0	在线阅读下载PDF 职称材料
2	基于分位回归鲁棒极限学习机的短时负荷预测方法	陈明帆宁光涛何礼鹏黄立毅覃丹	《水电能源科学》北大核心	2018	3	在线阅读下载PDF 职称材料
3	基于鲁棒极限学习机的污泥膨胀智能检测方法	焦广利张璐钟麦英	《山东科技大学学报（自然科学版）》 CAS 北大核心	2022	1	在线阅读下载PDF 职称材料
4	基于RLMD-SE-CNN-RELM的水位预测混合模型研究	张奇伟刘月馨许雯徐军杨陈佳雷张楚	《人民长江》北大核心	2025	0	在线阅读下载PDF 职称材料
5	基于VMD-ORELM-EC的超短期风速组合预测模型	谢东良郅伦海周康胡峰	《合肥工业大学学报（自然科学版）》 CAS 北大核心	2024	1	在线阅读下载PDF 职称材料
6	基于BSA-RELM的纯电动汽车锂离子电池SOC估计	吴忠强尚梦瑶申丹丹戚松岐朱向东	《计量学报》 CSCD 北大核心	2019	19	在线阅读下载PDF 职称材料