检索结果-维普期刊中文期刊服务平台

基于随机森林算法的用电负荷预测研究被引量：56: 1; 作者李婉华陈宏 +3 位作者郭昆郭松荣韩嘉民陈羽中《计算机工程与应用》 CSCD 北大核心 2016年第23期236-243,共8页; 为了解决当下用电负荷预测精度不高,难以很好模拟实际用电负荷的分布情况而不能对未来的负荷数据进行合理预测的问题,实现了基于随机森林的分类模型、回归模型以及结合Weka的时间序列模型,对某省份的负荷数据进行预测,通过对不同模型的... 展开更多; 关键词用电负荷预测随机森林分类回归时间序列; 在线阅读下载PDF 职称材料

基于DAE和LSTM的居民用电负荷预测方法被引量：9: 2; 作者姚国风李天杰 +1 位作者刘兰芳郑瑛楠《控制工程》 CSCD 北大核心 2022年第11期2048-2053,共6页; 电力需求侧响应的发展对居民用电负荷预测提出了更高的要求。为提升居民负荷预测精度,提出了一种基于深度自编码器(DAE)和长短期记忆(LSTM)网络的预测方法。首先,将多个用户的数据整合在一起,以最大程度地利用数据和模型参数。其次,用DA... 展开更多; 关键词自编码器特征提取长短期记忆网络居民用电负荷预测深度学习; 在线阅读下载PDF 职称材料

分布式协同网络用电负荷分层加权概率预测方法被引量：15: 3; 作者孙欣尧王雪 +1 位作者吴江伟刘佑达《仪器仪表学报》 EI CAS CSCD 北大核心 2014年第2期241-246,共6页; 先进计量体系(AMI)是智能电网中的分布式协同网络,其通过广泛布置的分布式测量计算节点对用电端的用户用电信息进行测量和协同分析。基于分布式协同网络测量得到的海量数据,针对短期用电负荷的概率预测问题提出一种分层特征加权概率预... 展开更多; 关键词分布式协同网络用电负荷预测特征加权分层预测稀疏贝叶斯学习; 在线阅读下载PDF 职称材料

文化微粒群神经网络在用电量预测中的应用被引量：5: 4; 作者陈国初《电力系统及其自动化学报》 CSCD 北大核心 2011年第2期31-37,共7页; 为了提高传统神经网络在中长期用电量负荷预测中的速度和预测精度,将文化算法、微粒群算法融入神经网络中,设计了文化微粒神经网络模型;将该模型用于我国某地区中长期用电量预测建模,采用了滚动时间窗技术处理输入输出数据,进一步优化... 展开更多; 关键词文化算法微粒群算法灰色理论神经网络滚动时间窗中长期用电负荷预测; 在线阅读下载PDF 职称材料

题名基于随机森林算法的用电负荷预测研究被引量：56: 1; 作者李婉华陈宏郭昆郭松荣韩嘉民陈羽中; 机构福州大学数学与计算机科学学院福建省网络计算与智能信息处理重点实验室国网信通亿力科技有限责任公司; 出处《计算机工程与应用》 CSCD 北大核心 2016年第23期236-243,共8页; 基金国家自然科学基金(No.61103175 No.61300104 +8 种基金 No.61300103) No.2013J01232) 福建省科技厅产学重大项目(No.2014H6014); 文摘为了解决当下用电负荷预测精度不高,难以很好模拟实际用电负荷的分布情况而不能对未来的负荷数据进行合理预测的问题,实现了基于随机森林的分类模型、回归模型以及结合Weka的时间序列模型,对某省份的负荷数据进行预测,通过对不同模型的大量的实验及评估,发现这三个模型皆能合理地预测未来的用电负荷数据。此外,在同一评估指标下随机森林算法结合WEKA中的时间序列模型的方法能够较好地预测未来时刻的负荷数据。; 关键词用电负荷预测随机森林分类回归时间序列; Keywords electrical load prediction random forest classification regression time series; 分类号 TP311 [自动化与计算机技术—计算机软件与理论]; 在线阅读下载PDF 职称材料

题名基于DAE和LSTM的居民用电负荷预测方法被引量：9: 2; 作者姚国风李天杰刘兰芳郑瑛楠; 机构中国电力科学研究院有限公司北京中电飞华通信股份有限公司东北大学软件学院; 出处《控制工程》 CSCD 北大核心 2022年第11期2048-2053,共6页; 基金国家自然科学基金面上项目(61473073)。; 文摘电力需求侧响应的发展对居民用电负荷预测提出了更高的要求。为提升居民负荷预测精度,提出了一种基于深度自编码器(DAE)和长短期记忆(LSTM)网络的预测方法。首先,将多个用户的数据整合在一起,以最大程度地利用数据和模型参数。其次,用DAE提取用户的典型行为特征,并用生成的特征向量标记历史负荷数据。最后,采用深度学习技术抽取历史负荷中的行为特征,并以此进行预测。实验结果表明,所提算法的MAE和RMSE比当前性能最优的采用独热向量标记的LSTM方法分别降低了3.35%和4.4%。; 关键词自编码器特征提取长短期记忆网络居民用电负荷预测深度学习; Keywords Autoencoder feature extraction long short-term memory network residential electricity load forecast deep learning; 分类号 TM73 [电气工程—电力系统及自动化] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名分布式协同网络用电负荷分层加权概率预测方法被引量：15: 3; 作者孙欣尧王雪吴江伟刘佑达; 机构清华大学精密仪器系精密测试技术及仪器国家重点实验室; 出处《仪器仪表学报》 EI CAS CSCD 北大核心 2014年第2期241-246,共6页; 基金国家自然科学基金(61272428) 教育部博士点基金(20120002110067)资助项目; 文摘先进计量体系(AMI)是智能电网中的分布式协同网络,其通过广泛布置的分布式测量计算节点对用电端的用户用电信息进行测量和协同分析。基于分布式协同网络测量得到的海量数据,针对短期用电负荷的概率预测问题提出一种分层特征加权概率预测方法。该方法采用核主分量分析提取用电负荷测量样本的非线性特征,根据提取的特征采用马氏距离判据对用电负荷数据进行特征加权,剔除权重低的不相关干扰数据;提出将经验模态分解与稀疏贝叶斯学习方法相结合的机器学习用电负荷概率预测方法,对用电负荷高频与低频分量进行分层概率分布预测。最后,将所提出的方法应用于某地区的短期用电负荷预测实验,实验结果表明该方法能够有效预测短期用电负荷的概率分布,预测精度高、可靠性好。; 关键词分布式协同网络用电负荷预测特征加权分层预测稀疏贝叶斯学习; Keywords distributed collaborative network load forecasting feature weighting hierarchical forecasting sparseBayesian learning （SBL）; 分类号 TP391.4 [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

题名文化微粒群神经网络在用电量预测中的应用被引量：5: 4; 作者陈国初; 机构上海电机学院电气学院; 出处《电力系统及其自动化学报》 CSCD 北大核心 2011年第2期31-37,共7页; 基金上海市教委科研创新重点项目(09ZZ211) 上海市教委重点学科项目(J51901) 闵行区-上海电机学院区校合作项目(08Q07); 文摘为了提高传统神经网络在中长期用电量负荷预测中的速度和预测精度,将文化算法、微粒群算法融入神经网络中,设计了文化微粒神经网络模型;将该模型用于我国某地区中长期用电量预测建模,采用了滚动时间窗技术处理输入输出数据,进一步优化模型数据输入量。该方法综合了微粒群算法的全局寻优能力和文化算法的演化优势。通过与传统的灰色预测模型以及实际数据对比,结果表明,结合滚动时间窗技术的文化微粒神经网络模型用于地区中长期用电量预测建模效果更佳,预测结果更能满足实际要求。; 关键词文化算法微粒群算法灰色理论神经网络滚动时间窗中长期用电负荷预测; Keywords cultural algorithm particle swarm optimization algorithm grey theory neural network sliding time window middle-long-term electric load forecasting; 分类号 TP273 [自动化与计算机技术—检测技术与自动化装置] TQ206 [化学工程—有机化工]; 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	基于随机森林算法的用电负荷预测研究	李婉华陈宏郭昆郭松荣韩嘉民陈羽中	《计算机工程与应用》 CSCD 北大核心	2016	56	在线阅读下载PDF 职称材料
2	基于DAE和LSTM的居民用电负荷预测方法	姚国风李天杰刘兰芳郑瑛楠	《控制工程》 CSCD 北大核心	2022	9	在线阅读下载PDF 职称材料
3	分布式协同网络用电负荷分层加权概率预测方法	孙欣尧王雪吴江伟刘佑达	《仪器仪表学报》 EI CAS CSCD 北大核心	2014	15	在线阅读下载PDF 职称材料
4	文化微粒群神经网络在用电量预测中的应用	陈国初	《电力系统及其自动化学报》 CSCD 北大核心	2011	5	在线阅读下载PDF 职称材料