期刊文献+
共找到95篇文章
< 1 2 5 >
每页显示 20 50 100
基于DCT-CNN-GRU的短期电力负荷预测研究
1
作者 刘伟 蔡东升 +2 位作者 冯付勇 韩昊 黄琦 《电测与仪表》 北大核心 2026年第2期138-147,共10页
短期电力负荷预测具有非线性、周期性以及变化快等特点,因此需要一种强大的模型来有效地挖掘其中的信息。为了提高短期电力负荷的预测精度,挖掘其中的信息,文中提出了一种综合应用离散余弦变换(discrete cosine transform,DCT)、卷积神... 短期电力负荷预测具有非线性、周期性以及变化快等特点,因此需要一种强大的模型来有效地挖掘其中的信息。为了提高短期电力负荷的预测精度,挖掘其中的信息,文中提出了一种综合应用离散余弦变换(discrete cosine transform,DCT)、卷积神经网络(convolutional neural network,CNN)和门控循环单元(gated recurrent unit,GRU)的混合模型的预测方法。模型首先利用离散余弦变换,将时域信息转换成频域信息,这个步骤有助于捕捉数据的频域特性。然后,将包含时域和频域信息的数据输入到卷积神经网络和门控循环单元中进行训练和预测。在模型中,首先通过卷积神经网络,对具有时域和频域信息的数据进行特征提取,再将数据传递给门控循环单元,充分利用门控循环单元的循环特性,学习数据的周期性和时序特征,从而实现更准确地预测。文中以美国加利福尼亚州的负荷数据和国内某公司的负荷数据作为案例进行实验验证。实验结果表明,所提出的混合模型相对于门控循环单元GRU、长短期记忆(long short-term memory,LSTM)网络、时间卷积网络(temporal convolutional network,TCN)等传统方法,能够获得更高的预测准确性。 展开更多
关键词 短期电力负荷预测 DCT变换 卷积神经网络 门控循环单元 时频结合
在线阅读 下载PDF
基于CEEMDAN与INGO优化BiLSTM的短期电力负荷预测
2
作者 常智慧 徐耀松 《控制工程》 北大核心 2026年第2期343-351,共9页
短期负荷预测对电力系统的稳定运行至关重要,为进一步提高负荷预测精度,提出一种基于自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)和改进的北方苍鹰优化(improved northe... 短期负荷预测对电力系统的稳定运行至关重要,为进一步提高负荷预测精度,提出一种基于自适应噪声完备经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)和改进的北方苍鹰优化(improved northern goshawk optimization, INGO)算法的组合短期电力负荷预测模型来优化双向长短期记忆(bidirectional long short-term memory, BiLSTM)神经网络。首先,利用CEEMDAN将原始负荷序列分解以获取更加平稳的数据;然后,通过Arnold混沌反向学习初始化、自适应柯西-高斯混合变异策略和非线性收敛因子改善了INGO算法中出现的问题,并显著提高了其寻优能力和收敛速度,以此来优化BiLSTM的相关超参数;最后,整合重构各子序列得到CEEMDANINGO-BiLSTM电力负荷预测模型。仿真结果表明,相比于对比算法,该模型能有效提高预测准确度。 展开更多
关键词 短期电力负荷预测 北方苍鹰优化算法 混沌反向学习 自适应柯西-高斯混合变异策略 非线性收敛因子
在线阅读 下载PDF
基于多尺度二次特征提取的短期电力负荷预测模型 被引量:1
3
作者 李楠 金淳熙 +1 位作者 陶亮 黄亮 《电力系统保护与控制》 北大核心 2025年第19期114-126,共13页
为充分挖掘电力负荷固有多尺度特征(multi-scale feature,MSF)间的复杂时序关系,进一步提升电力负荷预测模型性能,特别是提升对节假日负荷预测的能力,提出了一种基于多尺度二次特征提取的短期电力负荷预测模型。首先,利用Prophet算法的... 为充分挖掘电力负荷固有多尺度特征(multi-scale feature,MSF)间的复杂时序关系,进一步提升电力负荷预测模型性能,特别是提升对节假日负荷预测的能力,提出了一种基于多尺度二次特征提取的短期电力负荷预测模型。首先,利用Prophet算法的拟合分解功能,获取不同尺度下的负荷数据分量,并与强相关的天气数据共同构建多元数据集。其次,采用改进的特征金字塔网络(improved feature pyramid network,IFPN)匹配负荷数据的多尺度特性,并设计了卷积特征增强模块强化对节假日特征的表达能力,实现MSF的第一次提取。基于时间卷积神经网络的优势,深度挖掘一次特征间的时序依赖关系,引入SENet对特征的权重实现自适应赋值,同时完成MSF的二次提取。最后,利用鱼鹰算法优化后的Transformer模型完成负荷预测。在国内外两套负荷数据集上进行了验证,仿真结果表明所提模型的预测效果优于对比模型,特别是在对节假日负荷的预测精度上有所提高。 展开更多
关键词 短期电力负荷预测 Prophet算法 二次特征提取 改进的特征金字塔网络 多尺度时间卷积网络
在线阅读 下载PDF
改进秃鹰算法优化ELM的短期电力负荷预测研究
4
作者 张旭 汪繁荣 《现代电子技术》 北大核心 2025年第18期107-113,共7页
针对现阶段电力环境日益复杂,短期电力负荷预测方法存在预测精度不高、收敛速度慢的问题,提出一种基于改进秃鹰搜索算法(IBES)优化极限学习机(ELM)的短期电力负荷预测模型。原始秃鹰搜索算法在确定ELM中的连接权重和隐含层阈值时,容易... 针对现阶段电力环境日益复杂,短期电力负荷预测方法存在预测精度不高、收敛速度慢的问题,提出一种基于改进秃鹰搜索算法(IBES)优化极限学习机(ELM)的短期电力负荷预测模型。原始秃鹰搜索算法在确定ELM中的连接权重和隐含层阈值时,容易陷入局部最优,且收敛速度慢,导致预测精度不高。针对这一问题,首先利用Piecewise混沌映射初始化秃鹰种群,增加多样性;然后引入莱维飞行策略,扩大种群的搜索范围,使其能及时跳出局部最优点;最后,引入动态权重因子,提高秃鹰的局部搜索能力。利用改进的秃鹰搜索算法对ELM的两个随机参数进行寻优,从而建立IBES-ELM短期电力负荷预测模型。结合某地区的实际电力负荷数据进行预测分析,结果表明,相比于ELM、BES-ELM、PSO-ELM、DBO-ELM,改进的模型在预测精度和收敛速度上均有提升。 展开更多
关键词 短期电力负荷预测 改进秃鹰搜索算法 极限学习机 Piecewise混沌映射 莱维飞行策略 动态权重因子
在线阅读 下载PDF
基于VMD-GCN-TCN混合网络的多节点短期电力负荷预测 被引量:1
5
作者 王海燕 原野 +2 位作者 袁新平 李梦宇 何杰 《计算机应用》 北大核心 2025年第S2期143-147,共5页
针对电力系统中短期电力负荷预测的准确度欠佳和现有研究中捕捉负荷中心时空特征存在不足等问题,提出一种结合变分模态分解(VMD)、图卷积网络(GCN)与时间卷积网络(TCN)的混合模型——VMD-GCN-TCN混合网络。首先,通过VMD算法分解原始负... 针对电力系统中短期电力负荷预测的准确度欠佳和现有研究中捕捉负荷中心时空特征存在不足等问题,提出一种结合变分模态分解(VMD)、图卷积网络(GCN)与时间卷积网络(TCN)的混合模型——VMD-GCN-TCN混合网络。首先,通过VMD算法分解原始负荷数据,提取具有丰富特征的信号子分量,进而构建反映多频特征的电力负荷时空网络图序列;其次,利用GCN对构建的多频电力负荷图进行图卷积操作,提取空间和频域维度的深层次特征;最后,基于TCN建模负荷中心的时-频-空多维关系,从而实现对短期电力负荷的精准预测。在NYISO和ELIA公开数据集上的实验结果表明,VMDGCN-TCN混合网络模型在一天时间尺度下相较于仅信号分解且建模时间依赖性的模型,均方根误差(RMSE)分别降低了1.20和1.55,而平均绝对百分比误差(mAPE)分别降低了0.93和1.62个百分点。同时,在云南电网公司数据集上进行模型验证的实验结果表明,所提模型的RMSE和mAPE分别为3.75和2.57%。可见,所提模型在建模与分析电力负荷时-频-空关系方面有显著的优势,从而为电力系统的调度优化提供了更精准的预测支持。 展开更多
关键词 短期电力负荷预测 变分模态分解 图卷积网络 时间卷积网络 多频子负荷
在线阅读 下载PDF
结合极端梯度提升决策树与改进Informer的短期电力负荷预测方法
6
作者 俞胜 孙可 +3 位作者 蔡华 刘剑 顾益磊 姜昀芃 《中国电力》 北大核心 2025年第10期195-205,共11页
准确筛选影响短期电力负荷预测的特征因素是提高预测准确性的有效手段。针对多维数据集中非关键特征易引起预测模型拟合能力不佳,从而降低模型准确性的问题,提出了一种基于极端梯度提升(eXtreme gradient boosting,XGBoost)决策树与改进... 准确筛选影响短期电力负荷预测的特征因素是提高预测准确性的有效手段。针对多维数据集中非关键特征易引起预测模型拟合能力不佳,从而降低模型准确性的问题,提出了一种基于极端梯度提升(eXtreme gradient boosting,XGBoost)决策树与改进Informer模型相结合的短期电力负荷预测方法。首先,为了从多维历史负荷数据中评估特征因素重要性,采用XGBoost决策树覆盖率作为评估特征重要性的指标,准确筛选参与模型训练的特征因素。然后,构建了改进Informer短期负荷预测模型,通过对位置编码开展优化设计,将筛选出的关键特征联合不同时间尺度的位置标记信息作为编码器的输入向量。再次,设计消融实验对不同时间尺度下的模型收敛速度与预测精度开展对比分析。最后,开展算例分析进行验证,结果表明,与其他模型相比,XGB-Informer模型在短期电力负荷预测精度和收敛速度上均表现出明显优势,验证了所提方法的有效性和优越性。 展开更多
关键词 短期电力负荷预测 XGBoost决策树 改进Informer 特征筛选 重要性排序
在线阅读 下载PDF
基于可解释动态图注意力网络的短期电力负荷预测
7
作者 原野 王海燕 +2 位作者 袁新平 李梦宇 何杰 《计算机应用》 北大核心 2025年第S1期329-333,共5页
短期电力负荷预测对于电力系统中的负荷调度至关重要,然而现有方法在捕捉负荷中心的动态时空关系方面存在不足。因此,提出一种基于动态图注意力网络(Dyn-GAT)和时间卷积网络(TCN)的Dyn-GAT-TCN(Dynamic Graph ATtention Temporal Convol... 短期电力负荷预测对于电力系统中的负荷调度至关重要,然而现有方法在捕捉负荷中心的动态时空关系方面存在不足。因此,提出一种基于动态图注意力网络(Dyn-GAT)和时间卷积网络(TCN)的Dyn-GAT-TCN(Dynamic Graph ATtention Temporal Convolutional Network)模型。首先,结合负荷空间依赖关系构建负荷时空网络图,并利用时间滑动窗口生成负荷动态图序列;然后,基于Dyn-GAT自适应地调整注意力权重,从而动态建模负荷中心间的空间依赖性;最后,基于TCN提取时间序列中的长短期依赖信息,以实现更精准的负荷预测。在纽约独立系统运营商(NYISO)的一个公开数据集上的实验结果表明,所提模型在一天时间尺度内的均方根误差(RMSE)为2.40,平均绝对百分比误差(MAPE)为1.46%。在云南电网公司的一个数据集上的验证结果表明,所提模型优于已有的相关方法。此外,所提模型的注意力机制增强了可解释性,并能识别对负荷预测影响最大的关键节点。可见,Dyn-GAT-TCN模型在建模和分析电力负荷的动态时空关系方面具有显著优势,为电力系统的调度优化提供了准确且可解释的预测支持。 展开更多
关键词 短期电力负荷预测 动态图注意力网络 时间卷积网络 时空关系建模 可解释性分析
在线阅读 下载PDF
基于改进流形正则化极限学习机的短期电力负荷预测 被引量:34
8
作者 李冬辉 闫振林 +1 位作者 姚乐乐 郑宏宇 《高电压技术》 EI CAS CSCD 北大核心 2016年第7期2092-2099,共8页
为提高短期电力负荷预测的精度与效率,提出一种改进流形正则化极限学习机的短期电力负荷预测方法;首先,为了改善极限学习机(ELM)的泛化性能与效率,并解决随机初始化参数导致极限学习机存在的潜在问题,采用流形正则化理论优化极限学习机... 为提高短期电力负荷预测的精度与效率,提出一种改进流形正则化极限学习机的短期电力负荷预测方法;首先,为了改善极限学习机(ELM)的泛化性能与效率,并解决随机初始化参数导致极限学习机存在的潜在问题,采用流形正则化理论优化极限学习机;其次,针对流形正则化极限学习机中参数的选择,以及流形正则化极限学习机隐层节点选择的问题,提出将贝叶斯优化算法(BOA)融入到流形正则化极限学习机中以优化流形正则化极限学习机(MRELM)。最后,通过实验数据分析,改进流形正则化极限学习机预测方法将预测平均相对误差降低到了1.903%,30次实验的平均相对误差的方差降低到了1.9‰,平均单次运行时间降低到了6.113 s。 展开更多
关键词 短期电力负荷预测 流形正则化 极限学习机 贝叶斯优化算法 平均相对误差 方差
在线阅读 下载PDF
基于随机森林算法的短期电力负荷预测 被引量:142
9
作者 李焱 贾雅君 +2 位作者 李磊 郝建姝 张晓英 《电力系统保护与控制》 EI CSCD 北大核心 2020年第21期117-124,共8页
为了准确预测电力系统的短期负荷变化,为电力系统安全、经济、高效运行提供指导方向,提出了一种将模糊聚类以及随机森林回归算法进行组合的电力系统负荷预测方法,利用粗糙集构建补偿规则,对预测结果进行修正补偿。首先,通过对电力系统... 为了准确预测电力系统的短期负荷变化,为电力系统安全、经济、高效运行提供指导方向,提出了一种将模糊聚类以及随机森林回归算法进行组合的电力系统负荷预测方法,利用粗糙集构建补偿规则,对预测结果进行修正补偿。首先,通过对电力系统负荷的周期性、天气相关性等特征进行分析,利用C均值模糊聚类算法对历史样本进行聚类,在进行随机森林回归预测时,使用聚类后同类数据作为训练集样本构建决策树。考虑到随机森林回归预测偏保守、电力系统负荷在峰值处波动大的特征,在得到预测结果后利用粗糙集理论生成补偿规则,对负荷预测进行修正。利用所述方法对北爱尔兰地区进行一日24 h的负荷预测,结果跟实际负荷的平均绝对误差百分比为2.09%,验证了该预测方法的有效性。 展开更多
关键词 短期电力负荷预测 随机森林算法 C均值聚类 粗糙集理论
在线阅读 下载PDF
基于组合式神经网络的短期电力负荷预测模型 被引量:59
10
作者 陈耀武 汪乐宇 龙洪玉 《中国电机工程学报》 EI CSCD 北大核心 2001年第4期79-82,共4页
通过对电力负荷变化规律和影响因素的分析 ,提出了一种基于组合式神经网络的短期电力负荷预测模型。该模型综合运用神经网络、模糊聚类分析和模式识别理论方法进行建模。首先 ,采用模糊聚类分析方法 ,以每天的 2 4点负荷数据、天气数据... 通过对电力负荷变化规律和影响因素的分析 ,提出了一种基于组合式神经网络的短期电力负荷预测模型。该模型综合运用神经网络、模糊聚类分析和模式识别理论方法进行建模。首先 ,采用模糊聚类分析方法 ,以每天的 2 4点负荷数据、天气数据以及天类别数据为指标 ,将历史数据分成若干类别 ;其次 ,对每一类别建立相应的神经网络预测模型 ;预测时通过模式识别 ,找出与预测天相符的预测类别 ,利用相应的神经网络预测模型进行 2 4小时的短期电力负荷预测。对绍兴地区 2年多的实际负荷变化数据进行预测分析的结果表明 ,该模型不仅对普通工作日有较高的预测精度 ,对双休日。 展开更多
关键词 电力系统 短期电力负荷预测模型 组合式神经网络
在线阅读 下载PDF
基于CNN-SAEDN-Res的短期电力负荷预测方法 被引量:19
11
作者 崔杨 朱晗 +2 位作者 王议坚 张璐 李扬 《电力自动化设备》 EI CSCD 北大核心 2024年第4期164-170,共7页
基于深度学习的序列模型难以处理混有非时序因素的负荷数据,这导致预测精度不足。提出一种基于卷积神经网络(CNN)、自注意力编码解码网络(SAEDN)和残差优化(Res)的短期电力负荷预测方法。特征提取模块由二维卷积神经网络组成,用于挖掘... 基于深度学习的序列模型难以处理混有非时序因素的负荷数据,这导致预测精度不足。提出一种基于卷积神经网络(CNN)、自注意力编码解码网络(SAEDN)和残差优化(Res)的短期电力负荷预测方法。特征提取模块由二维卷积神经网络组成,用于挖掘数据间的局部相关性,获取高维特征。初始负荷预测模块由自注意力编码解码网络和前馈神经网络构成,利用自注意力机制对高维特征进行自注意力编码,获取数据间的全局相关性,从而模型能根据数据间的耦合关系保留混有非时序因素数据中的重要信息,通过解码模块进行自注意力解码,并利用前馈神经网络回归初始负荷。引入残差机制构建负荷优化模块,生成负荷残差,优化初始负荷。算例结果表明,所提方法在预测精度和预测稳定性方面具有优势。 展开更多
关键词 短期电力负荷预测 卷积神经网络 自注意力机制 残差机制 负荷优化
在线阅读 下载PDF
基于ARIMAX模型的夏季短期电力负荷预测 被引量:80
12
作者 崔和瑞 彭旭 《电力系统保护与控制》 EI CSCD 北大核心 2015年第4期108-114,共7页
夏季城市的短期电力负荷预测不仅与过去的电力负荷数据有关,并且受温度、风力、降水量等因素影响明显,存在明显的突变结构。为了对夏季城市的短期电力负荷进行预测,根据协整理论采用SAS软件建立起电力负荷序列与输入序列"温度"... 夏季城市的短期电力负荷预测不仅与过去的电力负荷数据有关,并且受温度、风力、降水量等因素影响明显,存在明显的突变结构。为了对夏季城市的短期电力负荷进行预测,根据协整理论采用SAS软件建立起电力负荷序列与输入序列"温度"之间的ARIMAX模型,充分挖掘序列的内部自相关信息以及序列与序列之间的相关关系。采取最小信息量准则"AIC-SBC"进行比较可知,ARIMAX模型比经典时间序列ARMA模型的信息量要小,相对误差更小,拟合结果更为精确,在存在突变结构且具有显著影响因素的短期电力负荷预测领域具有很高的应用价值。 展开更多
关键词 短期电力负荷预测 时间序列:协整理论 ARIMAX模型 突变结构
在线阅读 下载PDF
基于互补集合经验模态分解和长短期记忆神经网络的短期电力负荷预测 被引量:56
13
作者 赵会茹 赵一航 郭森 《中国电力》 CSCD 北大核心 2020年第6期48-55,共8页
随着电力行业的不断发展,负荷预测的重要性也不断彰显,作为负荷预测的重要组成部分,短期负荷预测对于电力系统的调度运行、市场交易都有着重要的意义,精确的负荷预测有助于提高发电设备的利用率和经济调度的有效性。由于影响负荷数据的... 随着电力行业的不断发展,负荷预测的重要性也不断彰显,作为负荷预测的重要组成部分,短期负荷预测对于电力系统的调度运行、市场交易都有着重要的意义,精确的负荷预测有助于提高发电设备的利用率和经济调度的有效性。由于影响负荷数据的随机因素太多且具有较强非线性的特点,提出一种基于互补集合经验模态分解和长短期记忆神经网络的短期电力负荷预测方法。通过对某市负荷数据进行仿真,将仿真结果与其他传统预测方法结果相对比,最终证明长短期记忆神经网络模型的误差更低,具有较高的预测精度。同时将互补集合经验模态分解下的长短期记忆神经网络方法与其他分解方法下的长短期记忆神经网络模型预测结果进行对比,验证互补集合经验模态分解方法对提升预测精度的有效性。 展开更多
关键词 短期电力负荷预测 短期记忆网络 互补集合经验模态分解 深度学习
在线阅读 下载PDF
一种基于气温因素的短期电力负荷预测模型 被引量:14
14
作者 高超 沈艳霞 +1 位作者 杨雄飞 潘庭龙 《控制工程》 CSCD 北大核心 2016年第3期346-352,共7页
气温波动是影响短期电力负荷预测准确率的主要因素之一,为了提高预测精度,将气温因素引入一种新型的非线性自回归模型中,构建一种基于气温因素的非线性自回归短期电力负荷预测模型,并提出该模型的实验定阶方法。以气温作为模型的外部输... 气温波动是影响短期电力负荷预测准确率的主要因素之一,为了提高预测精度,将气温因素引入一种新型的非线性自回归模型中,构建一种基于气温因素的非线性自回归短期电力负荷预测模型,并提出该模型的实验定阶方法。以气温作为模型的外部输入量,基于Weierstrass定理推导了该模型的表达式,采用最小二乘法估计该模型的参数,根据所提出的实验定阶方法对模型进行定阶。对实际电力负荷样本进行预测,结果验证了模型实验定阶方法的可行性,表明该负荷预测模型预测精度较高,可应用于负荷短期预测之中。 展开更多
关键词 短期电力负荷预测 气温因素 非线性自回归模型 最小二乘法 实验定阶
在线阅读 下载PDF
基于差分分解和误差补偿的短期电力负荷预测方法 被引量:29
15
作者 王增平 赵兵 +2 位作者 贾欣 高欣 李晓兵 《电网技术》 EI CSCD 北大核心 2021年第7期2560-2568,共9页
基于序列分解的方法能够提高短期电力负荷预测精度,但会带来误差的积累。同时,现有方法忽略了历史预测误差与当前预测结果的相关关系。提出了一种基于差分分解和误差补偿的短期电力负荷预测方法(differential decomposition-error compe... 基于序列分解的方法能够提高短期电力负荷预测精度,但会带来误差的积累。同时,现有方法忽略了历史预测误差与当前预测结果的相关关系。提出了一种基于差分分解和误差补偿的短期电力负荷预测方法(differential decomposition-error compensation-gated recurrent unit,DD-EC-GRU)。首先,对原始负荷序列进行一阶差分,将负荷的预测问题转化为负荷变化量的预测问题。基于此,在一组实际预测负荷序列的基础上引入多组辅助预测负荷序列,应用门控循环单元(gated recurrent unit,GRU)构建多目标迭代预测网络。最后综合考虑各序列迭代预测误差的变化趋势与平稳性,构建基于序列相似度和人工神经网络集成模型的误差补偿网络,提升预测精度。在3个实际负荷数据集上对DD-EC-GRU各环节有效性进行验证,并与多种主流算法对比,结果表明本文所提方法有较高的预测精度和较强的适应能力。 展开更多
关键词 短期电力负荷预测 门控循环单元 一阶差分分解 误差补偿
在线阅读 下载PDF
基于竞争分类的神经网络短期电力负荷预测 被引量:23
16
作者 姚李孝 姚金雄 +1 位作者 李宝庆 万诗新 《电网技术》 EI CSCD 北大核心 2004年第10期45-48,共4页
根据电力负荷的特点,在考虑天气、日类型、实际历史负荷等因素对预测负荷影响的基础上,提出了一种基于竞争分类的神经网络短期负荷预测方法。应用神经网络的竞争学习对相关数据进行分类,将历史数据分成若干类别从而找出与预测日同类型... 根据电力负荷的特点,在考虑天气、日类型、实际历史负荷等因素对预测负荷影响的基础上,提出了一种基于竞争分类的神经网络短期负荷预测方法。应用神经网络的竞争学习对相关数据进行分类,将历史数据分成若干类别从而找出与预测日同类型的预测类别。利用相应的BP算法对未来24小时负荷进行短期预测,该方法充分发挥了神经网络处理非线性问题的能力。结果表明,该方法取得了较满意的预测精度。 展开更多
关键词 电力系统 神经网络 短期电力负荷预测 竞争分类 BP算法 人工神经网络
在线阅读 下载PDF
基于弹性网降维及花授粉算法优化BP神经网络的短期电力负荷预测 被引量:46
17
作者 张淑清 杨振宁 +2 位作者 张立国 苑世钰 王志义 《仪器仪表学报》 EI CAS CSCD 北大核心 2019年第7期47-54,共8页
电力负荷预测为电力系统规划和运行提供可靠的决策依据。随着智能电网的全面发展,数据采集与监视控制系统(SCADA)获取数据量增加,数据的结构也更加复杂,负荷的频繁变化以及地区性的气象因素等都将影响负荷的预测的准确性。提出一种弹性... 电力负荷预测为电力系统规划和运行提供可靠的决策依据。随着智能电网的全面发展,数据采集与监视控制系统(SCADA)获取数据量增加,数据的结构也更加复杂,负荷的频繁变化以及地区性的气象因素等都将影响负荷的预测的准确性。提出一种弹性网(EN)进行大数据降维以及花授粉算法(FPA)优化BP神经网络的短期电力负荷预测方法。首先采用弹性网对负荷和气象等高维大数据进行选择和降维。弹性网通过在惩罚项中添加L1范数和L2范数,兼具了最小绝对值收缩及变量选择(LASSO)和岭回归的优点,克服了LASSO降维时因为数据内部存在共线性和群组效应而影响降维效果的问题;然后,考虑到BP神经网络权值和阈值容易受到初值的影响、收敛速度慢以及容易陷入局部最优,引入花授粉算法(FPA)优化BP神经网络,通过与粒子群算法(PSO)对比得出花授粉算法寻优速度更快,效果更好。本文方法应用于实际电力负荷预测,结果表明能有效提高预测精度。 展开更多
关键词 短期电力负荷预测 大数据变量选择及降维 最小绝对值收缩及变量选择 弹性网 花授粉算法优化BP神经网络
在线阅读 下载PDF
基于改进PSO算法和LS-SVM的短期电力负荷预测 被引量:7
18
作者 潘磊 李丽娟 +1 位作者 丁婷婷 刘对 《工矿自动化》 北大核心 2012年第9期55-59,共5页
针对电力负荷的小样本、非线性、高维数和局部极小点等问题,提出采用最小二乘支持向量机方法建模,以历史负荷、温度、湿度等数据作为输入量,对短期电力负荷进行预测;针对最小二乘支持向量机在建模中存在的参数选取问题,采用一种根据种... 针对电力负荷的小样本、非线性、高维数和局部极小点等问题,提出采用最小二乘支持向量机方法建模,以历史负荷、温度、湿度等数据作为输入量,对短期电力负荷进行预测;针对最小二乘支持向量机在建模中存在的参数选取问题,采用一种根据种群多样性信息来指导初始种群选取和避免粒子早熟收敛现象的改进粒子群优化算法来优化最小二乘支持向量机的惩罚因子和核参数。仿真结果表明,基于改进粒子群优化算法和最小二乘支持向量机的短期电力负荷预测方法较最小二乘支持向量机预测方法、基于基本粒子群优化算法和最小二乘向量机的预测方法具有更好的预测精确度。 展开更多
关键词 电力系统 短期电力负荷预测 粒子群优化算法 最小二乘支持向量机
在线阅读 下载PDF
基于扩展粗糙集的短期电力负荷预测模型 被引量:9
19
作者 刘学琴 吴耀华 崔宝华 《电力系统保护与控制》 EI CSCD 北大核心 2010年第5期25-28,38,共5页
影响短期电力负荷预测的因素众多,如何有效地判断和选择这些相关因素是改善电力负荷预测的关键,通过引入数据挖掘中粗糙集约简算法来解决这一难题。针对常规粗糙集算法计算量大,且不具备容错性和泛化能力,在属性约简过程中设置了分类可... 影响短期电力负荷预测的因素众多,如何有效地判断和选择这些相关因素是改善电力负荷预测的关键,通过引入数据挖掘中粗糙集约简算法来解决这一难题。针对常规粗糙集算法计算量大,且不具备容错性和泛化能力,在属性约简过程中设置了分类可信度β,因而对数据具有了一定的容错性和泛化能力,增强了抗噪声能力。经过对实际数据的计算分析,证实了本文提出的方法在一定程度上提高了负荷预测的精度和速度。 展开更多
关键词 短期电力负荷预测 粗糙集 属性约简
在线阅读 下载PDF
基于数据挖掘的FNN短期电力负荷预测方法研究 被引量:15
20
作者 崔和瑞 宋秀莉 葛曼倩 《电力系统保护与控制》 EI CSCD 北大核心 2009年第22期54-57,共4页
针对人工神经网络模型在进行负荷预测时,大多不考虑气象等因素的影响,提出了一种基于数据挖掘预处理的改进短期电力负荷预测的方法,应用数据挖掘的聚类功能,寻找与预测日同等气象类型的多个历史短期负荷数据序列进行预测,从而提高预测... 针对人工神经网络模型在进行负荷预测时,大多不考虑气象等因素的影响,提出了一种基于数据挖掘预处理的改进短期电力负荷预测的方法,应用数据挖掘的聚类功能,寻找与预测日同等气象类型的多个历史短期负荷数据序列进行预测,从而提高预测的精度。鉴于ANN模型对不确定性和模糊信息学习处理能力较差的缺点,引用模糊系统的理论,构建模糊神经网络(FNN)模型。通过实例预测和预测结果比较分析表明,提出的方法具有较高的预测精度。 展开更多
关键词 数据挖掘 聚类分析 短期电力负荷预测 人工神经网络 模糊神经网络
在线阅读 下载PDF
上一页 1 2 5 下一页 到第
使用帮助 返回顶部