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
带扩展记忆的粒子群优化最小二乘支持向量机在中长期电力负荷预测中的应用
被引量：
7
1
作者
段其昌
周华鑫
+1 位作者
曾勇
张广峰
《计算机科学》
CSCD
北大核心
2013年第06A期41-43,共3页
针对中长期电力负荷预测,考虑了影响中长期电力负荷的各种因素,提出了一种带扩展记忆的粒子群优化算法(PSOEM)与最小二乘支持向量机(LSSVM)相结合的中长期负荷预测方法。PSOEM比传统PS0收敛速度更快,精度更高,具有更强的寻优能力,因此利...
针对中长期电力负荷预测,考虑了影响中长期电力负荷的各种因素,提出了一种带扩展记忆的粒子群优化算法(PSOEM)与最小二乘支持向量机(LSSVM)相结合的中长期负荷预测方法。PSOEM比传统PS0收敛速度更快,精度更高,具有更强的寻优能力,因此利用PSOEM算法对LSSVM参数进行优化选择,获得了较优的PSOEM-LSSVM预测模型。通过实例仿真表明,该方法与其他几种方法相比具有更高的预测精度和速度。
展开更多
关键词
中长期负荷预测
带扩展记忆粒子群
最小二乘支持向量机
在线阅读
下载PDF
职称材料
基于PSOEM和神经网络的光伏电站功率预测
被引量：
14
2
作者
朱旭坤
姚李孝
杨国清
《电网与清洁能源》
北大核心
2021年第7期115-120,135,共7页
分析光伏发电输出功率预测的影响因素,确定了基于BP神经网络的功率预测模型,针对BP神经网络本身易陷入局部极值、收敛速度慢等问题,采用粒子群优化算法(PSO)和带扩展记忆粒子群优化算法(PSOEM)这2种群智能算法来优化BP神经网络的初始值...
分析光伏发电输出功率预测的影响因素,确定了基于BP神经网络的功率预测模型,针对BP神经网络本身易陷入局部极值、收敛速度慢等问题,采用粒子群优化算法(PSO)和带扩展记忆粒子群优化算法(PSOEM)这2种群智能算法来优化BP神经网络的初始值和阈值,分别建立了基于PSOBP神经网络和基于PSOEM-BP神经网络的光伏电站输出功率预测模型。根据某光伏电站2月1日—6月30日的光伏发电历史数据,利用所提3种模型对光伏发电系统进行了功率预测。误差对比结果表明,基于PSOEM-BP神经网络的功率预测精度明显高于基于PSO-BP神经网络的功率预测精度,故采用PSOEM优化后BP神经网络模型进行光伏功率预测,具有一定的理论和实用价值。
展开更多
关键词
BP神经网络
带
扩展
记忆
的
粒子
群
粒子
群
功率预测
在线阅读
下载PDF
职称材料
题名
带扩展记忆的粒子群优化最小二乘支持向量机在中长期电力负荷预测中的应用
被引量：
7
1
作者
段其昌
周华鑫
曾勇
张广峰
机构
重庆大学自动化学院
出处
《计算机科学》
CSCD
北大核心
2013年第06A期41-43,共3页
文摘
针对中长期电力负荷预测,考虑了影响中长期电力负荷的各种因素,提出了一种带扩展记忆的粒子群优化算法(PSOEM)与最小二乘支持向量机(LSSVM)相结合的中长期负荷预测方法。PSOEM比传统PS0收敛速度更快,精度更高,具有更强的寻优能力,因此利用PSOEM算法对LSSVM参数进行优化选择,获得了较优的PSOEM-LSSVM预测模型。通过实例仿真表明,该方法与其他几种方法相比具有更高的预测精度和速度。
关键词
中长期负荷预测
带扩展记忆粒子群
最小二乘支持向量机
Keywords
Medium and long term load forecasting, PSOEM, LSSVM
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于PSOEM和神经网络的光伏电站功率预测
被引量：
14
2
作者
朱旭坤
姚李孝
杨国清
机构
西安理工大学电气工程学院
出处
《电网与清洁能源》
北大核心
2021年第7期115-120,135,共7页
基金
国家自然科学基金项目(51077109)。
文摘
分析光伏发电输出功率预测的影响因素,确定了基于BP神经网络的功率预测模型,针对BP神经网络本身易陷入局部极值、收敛速度慢等问题,采用粒子群优化算法(PSO)和带扩展记忆粒子群优化算法(PSOEM)这2种群智能算法来优化BP神经网络的初始值和阈值,分别建立了基于PSOBP神经网络和基于PSOEM-BP神经网络的光伏电站输出功率预测模型。根据某光伏电站2月1日—6月30日的光伏发电历史数据,利用所提3种模型对光伏发电系统进行了功率预测。误差对比结果表明,基于PSOEM-BP神经网络的功率预测精度明显高于基于PSO-BP神经网络的功率预测精度,故采用PSOEM优化后BP神经网络模型进行光伏功率预测,具有一定的理论和实用价值。
关键词
BP神经网络
带
扩展
记忆
的
粒子
群
粒子
群
功率预测
Keywords
BP neural network
particle swarm with extended memory
the particle swarm
power prediction
分类号
TM615 [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
带扩展记忆的粒子群优化最小二乘支持向量机在中长期电力负荷预测中的应用
段其昌
周华鑫
曾勇
张广峰
《计算机科学》
CSCD
北大核心
2013
7
在线阅读
下载PDF
职称材料
2
基于PSOEM和神经网络的光伏电站功率预测
朱旭坤
姚李孝
杨国清
《电网与清洁能源》
北大核心
2021
14
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
