检索结果-维普期刊中文期刊服务平台

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... 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

输电线路PSOEM-LSSVM覆冰预测模型被引量：82: 2; 作者刘闯何沁鸿 +5 位作者卢银均杨凯帆黄婧何丽娜陈磊孟遂民《电力科学与技术学报》 CAS 北大核心 2020年第6期131-137,共7页; 针对输电线路覆冰厚度预测方法存在的收敛速度慢、预测精度差等问题,考虑覆冰厚度影响因素,提出一种采用扩展记忆粒子群(PSOEM)进行参数寻优的方法,并将其应用到最小二乘支持向量机(LSSVM)中进行覆冰厚度预测。该方法在传统粒子群算法... 展开更多; 关键词输电线路覆冰预测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优化LSSVM的接地网腐蚀预测研究被引量：16: 3; 作者王小军高广德 +5 位作者吴田谢枭王若昕沈丹青何丽娜刘闯《智慧电力》北大核心 2020年第11期68-73,共6页; 通过腐蚀试验获得60组110 kV变电站土壤成分数据及相应的金属片腐蚀速率,对60组样本数据进行灰色关联分析,结果表明Cl-含量、pH值、含水量和含盐量是接地网腐蚀的主要原因,并以此作为接地网腐蚀预测模型选择支持向量的依据。为提高最小... 展开更多; 关键词灰色关联分析扩展记忆粒子群最小二乘支持向量机接地网腐蚀; 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: 4; 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... 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

题名输电线路PSOEM-LSSVM覆冰预测模型被引量：82: 2; 作者刘闯何沁鸿卢银均杨凯帆黄婧何丽娜陈磊孟遂民; 机构国网湖北省电力有限公司荆门供电公司国网湖北省电力有限公司钟祥市供电公司三峡大学电气与新能源学院; 出处《电力科学与技术学报》 CAS 北大核心 2020年第6期131-137,共7页; 基金电网环境保护国家重点实验室开放基金(GYW51201700590)。; 文摘针对输电线路覆冰厚度预测方法存在的收敛速度慢、预测精度差等问题,考虑覆冰厚度影响因素,提出一种采用扩展记忆粒子群(PSOEM)进行参数寻优的方法,并将其应用到最小二乘支持向量机(LSSVM)中进行覆冰厚度预测。该方法在传统粒子群算法中引入扩展记忆因子,使粒子具有更强的搜索能力,从而加快收敛速度,提高预测精度。最后,采用实际线路覆冰数据对预测模型进行精度检验,结果表明,基于PSOEM-LSSVM预测模型的平均相对误差均小于3%,与其他模型相比,预测效果最好。; 关键词输电线路覆冰预测扩展记忆粒子群最小二乘支持向量机; Keywords transmission line icing forecast particle swarm optimization with extended memory least squares support vector machine; 分类号 TM752 [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PSOEM优化LSSVM的接地网腐蚀预测研究被引量：16: 3; 作者王小军高广德吴田谢枭王若昕沈丹青何丽娜刘闯; 机构三峡大学电气与新能源学院国网荆门供电公司; 出处《智慧电力》北大核心 2020年第11期68-73,共6页; 基金国家自然科学基金资助项目(51807110)。; 文摘通过腐蚀试验获得60组110 kV变电站土壤成分数据及相应的金属片腐蚀速率,对60组样本数据进行灰色关联分析,结果表明Cl-含量、pH值、含水量和含盐量是接地网腐蚀的主要原因,并以此作为接地网腐蚀预测模型选择支持向量的依据。为提高最小二乘支持向量机模型的预测精度,采用扩展记忆粒子群算法对最小二乘支持向量机的惩罚因子和核函数参数进行寻优,建立基于PSOEM优化LSSVM的接地网腐蚀预测模型。应用试验数据进行仿真分析,结果表明,PSOEM-LSSVM模型在训练拟合和外推预测方面效果更好。; 关键词灰色关联分析扩展记忆粒子群最小二乘支持向量机接地网腐蚀; Keywords grey relational analysis particle swarm with extended memory least squares support vector machine grounding grid corrosion; 分类号 TM862 [电气工程—高电压与绝缘技术]; 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: 4; 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	输电线路PSOEM-LSSVM覆冰预测模型	刘闯何沁鸿卢银均杨凯帆黄婧何丽娜陈磊孟遂民	《电力科学与技术学报》 CAS 北大核心	2020	82	在线阅读下载PDF 职称材料
3	基于PSOEM优化LSSVM的接地网腐蚀预测研究	王小军高广德吴田谢枭王若昕沈丹青何丽娜刘闯	《智慧电力》北大核心	2020	16	在线阅读下载PDF 职称材料
4	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