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
3
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
基于改进神经网络的农村电力系统短期负荷预测
1
作者
张师玲
李正明
+2 位作者
周新云
孙俊
张兵
《安徽农业科学》
CAS
北大核心
2009年第30期14892-14893,14922,共3页
为进一步提高农村电力系统短期负荷预测模型的性能,实现准确与快速预测农村电力系统短期负荷的目的,采用基于优化理论的Levenberg-Marquardt算法来改进传统的BP算法,并构造电力系统负荷预测模型。结果表明,基于L-M算法的神经网络预测模...
为进一步提高农村电力系统短期负荷预测模型的性能,实现准确与快速预测农村电力系统短期负荷的目的,采用基于优化理论的Levenberg-Marquardt算法来改进传统的BP算法,并构造电力系统负荷预测模型。结果表明,基于L-M算法的神经网络预测模型具有较高的预测精度,在农村电力系统短期负荷预测方面具有较高的使用价值。
展开更多
关键词
BP神经网络
L—M算法
电力系统短期负荷
在线阅读
下载PDF
职称材料
基于SAE与CEEMDAN-BiLSTM组合模型的短期电力负荷预测
被引量：
11
2
作者
黄炜
陈田
《计算机应用与软件》
北大核心
2022年第7期52-58,共7页
单一模型在迭代训练过程中由于模型的自身误差,最终会降低预测精度。为了提高预测的准确性,引入完整集成经验模态分解-双向长短期记忆网络(CEEMDAN-BiLSTM)作为误差修正模型,提出一种栈式自编码器(SAE)与CEEMDAN-BiLSTM相结合的负荷预...
单一模型在迭代训练过程中由于模型的自身误差,最终会降低预测精度。为了提高预测的准确性,引入完整集成经验模态分解-双向长短期记忆网络(CEEMDAN-BiLSTM)作为误差修正模型,提出一种栈式自编码器(SAE)与CEEMDAN-BiLSTM相结合的负荷预测模型。通过SAE模型学习气象因素、工作日类型、气温影响下负荷序列的主要特征,预测过程中产生的误差序列则反映了负荷序列的次要特征;使用CEEMDAN算法将误差序列分解为数个分量,针对每一项分量建立BiLSTM模型学习误差序列的时序特征,将各项分量的预测值累加得到误差的预测结果;将两种模型的预测值求和从而达到修正误差的目的。通过比较几种模型的预测结果表明:SAE与CEEMDAN-BiLSTM组合模型应用在短期电力负荷预测具有更好的准确性与稳定性。
展开更多
关键词
短期
电力系统
负荷
预测
栈式自编码器
CEEMDAN
双向长
短期
记忆网络
在线阅读
下载PDF
职称材料
基于改进高斯过程回归模型的短期负荷区间预测
被引量：
38
3
作者
宗文婷
卫志农
+3 位作者
孙国强
李慧杰
CHEUNG Kwok W
孙永辉
《电力系统及其自动化学报》
CSCD
北大核心
2017年第8期22-28,共7页
考虑到电力系统短期负荷预测的精度直接影响电网运行的经济性和安全性,而传统点预测方法不能计及电网运行中的众多不确定性因素,提出一种基于改进高斯过程回归的短期负荷区间预测方法。采用模糊C-均值聚类算法从历史数据中寻找相似日,...
考虑到电力系统短期负荷预测的精度直接影响电网运行的经济性和安全性,而传统点预测方法不能计及电网运行中的众多不确定性因素,提出一种基于改进高斯过程回归的短期负荷区间预测方法。采用模糊C-均值聚类算法从历史数据中寻找相似日,从而构建更为合理的样本集,并采用多核协方差函数改进传统高斯过程回归算法,最终得到一定置信水平下的区间预测结果。实际算例计算结果表明,该方法与常规方法相比,预测精度有所提高,其区间预测结果覆盖率较高,适合工程实际应用。
展开更多
关键词
区间预测
高斯过程回归
电力系统短期负荷
多核协方差函数
聚类分析
在线阅读
下载PDF
职称材料
题名
基于改进神经网络的农村电力系统短期负荷预测
1
作者
张师玲
李正明
周新云
孙俊
张兵
机构
江苏大学电气信息工程学院
常州工学院
出处
《安徽农业科学》
CAS
北大核心
2009年第30期14892-14893,14922,共3页
基金
江苏省教育厅资助项目(JHZD06-42)
江苏省常州市青年科技人才培养计划(CQ2008009)
文摘
为进一步提高农村电力系统短期负荷预测模型的性能,实现准确与快速预测农村电力系统短期负荷的目的,采用基于优化理论的Levenberg-Marquardt算法来改进传统的BP算法,并构造电力系统负荷预测模型。结果表明,基于L-M算法的神经网络预测模型具有较高的预测精度,在农村电力系统短期负荷预测方面具有较高的使用价值。
关键词
BP神经网络
L—M算法
电力系统短期负荷
Keywords
BP neural network
L-M algorithm
Power system short-term load
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SAE与CEEMDAN-BiLSTM组合模型的短期电力负荷预测
被引量：
11
2
作者
黄炜
陈田
机构
上海电机学院机械学院
出处
《计算机应用与软件》
北大核心
2022年第7期52-58,共7页
基金
上海市高峰高原学科项目(A1-5701-18-007-03)
上海市自然科学基金项目(15ZR1417200)。
文摘
单一模型在迭代训练过程中由于模型的自身误差,最终会降低预测精度。为了提高预测的准确性,引入完整集成经验模态分解-双向长短期记忆网络(CEEMDAN-BiLSTM)作为误差修正模型,提出一种栈式自编码器(SAE)与CEEMDAN-BiLSTM相结合的负荷预测模型。通过SAE模型学习气象因素、工作日类型、气温影响下负荷序列的主要特征,预测过程中产生的误差序列则反映了负荷序列的次要特征;使用CEEMDAN算法将误差序列分解为数个分量,针对每一项分量建立BiLSTM模型学习误差序列的时序特征,将各项分量的预测值累加得到误差的预测结果;将两种模型的预测值求和从而达到修正误差的目的。通过比较几种模型的预测结果表明:SAE与CEEMDAN-BiLSTM组合模型应用在短期电力负荷预测具有更好的准确性与稳定性。
关键词
短期
电力系统
负荷
预测
栈式自编码器
CEEMDAN
双向长
短期
记忆网络
Keywords
Short-term power system load forecasting
Stacked autoencoder
CEEMDAN
Bidirectional long short term memory network
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
在线阅读
下载PDF
职称材料
题名
基于改进高斯过程回归模型的短期负荷区间预测
被引量：
38
3
作者
宗文婷
卫志农
孙国强
李慧杰
CHEUNG Kwok W
孙永辉
机构
河海大学能源与电气学院
阿尔斯通电网技术中心有限公司
阿尔斯通电网有限公司
出处
《电力系统及其自动化学报》
CSCD
北大核心
2017年第8期22-28,共7页
基金
国家自然科学基金资助项目(51107032
61104045
51277052)
文摘
考虑到电力系统短期负荷预测的精度直接影响电网运行的经济性和安全性,而传统点预测方法不能计及电网运行中的众多不确定性因素,提出一种基于改进高斯过程回归的短期负荷区间预测方法。采用模糊C-均值聚类算法从历史数据中寻找相似日,从而构建更为合理的样本集,并采用多核协方差函数改进传统高斯过程回归算法,最终得到一定置信水平下的区间预测结果。实际算例计算结果表明,该方法与常规方法相比,预测精度有所提高,其区间预测结果覆盖率较高,适合工程实际应用。
关键词
区间预测
高斯过程回归
电力系统短期负荷
多核协方差函数
聚类分析
Keywords
interval prediction
Gaussian process regression
short-term load of power system
multiple kernel covariance function
clustering 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
作者
出处
发文年
被引量
操作
1
基于改进神经网络的农村电力系统短期负荷预测
张师玲
李正明
周新云
孙俊
张兵
《安徽农业科学》
CAS
北大核心
2009
0
在线阅读
下载PDF
职称材料
2
基于SAE与CEEMDAN-BiLSTM组合模型的短期电力负荷预测
黄炜
陈田
《计算机应用与软件》
北大核心
2022
11
在线阅读
下载PDF
职称材料
3
基于改进高斯过程回归模型的短期负荷区间预测
宗文婷
卫志农
孙国强
李慧杰
CHEUNG Kwok W
孙永辉
《电力系统及其自动化学报》
CSCD
北大核心
2017
38
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
