检索结果-维普期刊中文期刊服务平台

基于累积式自回归动平均传递函数模型的短期负荷预测被引量：19: 1; 作者李妮江岳春 +1 位作者黄珊毛李帆《电网技术》 EI CSCD 北大核心 2009年第8期93-97,103,共6页; 针对短期负荷预测,提出了累积式自回归动平均(auto-regressive integrated moving average,ARIMA)传递函数模型的简化建模方法。传递函数模型考虑了干扰因素对因变量的作用,体现了干扰因素中变量间相互影响的关系。其构造灵活,可用较少... 展开更多; 关键词负荷预测时间序列累积式自回归动平均模型传递函数模型; 在线阅读下载PDF 职称材料

基于累积式自回归动平均法和反向传播神经网络的短期负荷预测模型被引量：17: 2; 作者陈伟吴耀武 +1 位作者娄素华熊信艮《电网技术》 EI CSCD 北大核心 2007年第3期73-76,共4页; 针对电力系统短期负荷的特点建立了将累积式自回归动平均法(autoregressive integrated moving average,ARIMA)和采用反向传播算法(back propagation,BP)的神经网络法相结合的短期负荷预测模型。该模型利用ARIMA方法对线性时间序列逼近... 展开更多; 关键词短期负荷预测累积式自回归动平均洼(ARIMA) BP神经网络平滑性处理; 在线阅读下载PDF 职称材料

基于非参数GARCH的时间序列模型在日前电价预测中的应用被引量：17: 3; 作者邓佳佳黄元生宋高峰《电网技术》 EI CSCD 北大核心 2012年第4期190-196,共7页; 电力市场中电价序列具有较强的波动性、周期性和随机性,以致经常出现价格尖峰,这在很大程度上影响了电价预测的精度。提出了一种基于小波变换和非参数GARCH(generalized auto regressive conditional heteroskedasticity)模型的时间序... 展开更多; 关键词电价预测小波变换累积式自回归滑动平均模型非参数GARCH模型; 在线阅读下载PDF 职称材料

计及温度影响的短期负荷预测时间序列模型被引量：6: 4; 作者万志宏陈亮文福拴《华北电力大学学报（自然科学版）》 CAS 北大核心 2011年第3期61-66,共6页; 时间序列模型在国际和国内的短期电力负荷预测中得到了广泛应用。然而,这种方法的一个主要缺点是无法将影响负荷预测的主要因素之一即气象因素考虑进去。在此背景下,首先基于负荷和气温数据建立了负荷预测的回归模型,然后构造了回归模... 展开更多; 关键词短期负荷预测回归模型时间序列模型累积式自回归—滑动平均模型; 在线阅读下载PDF 职称材料

一种新的基于DFNN的时间序列预测: 5; 作者王容邓辉文《科学技术与工程》 2010年第32期8055-8060,共6页; 对时间序列预测,利用自回归移动平均模型(ARIMA)给出了一种新的基于动态模糊神经网络(DFNN)的模型。该模型中主要是考虑了输出误差这个重要因素。将ARIMA模型产生的非线性特征用DFNN模型模拟,能够产生比DFNN和ARIMA单个模型更加精确的... 展开更多; 关键词动态模糊神经网络累积式自回归移动平均 Mackey-Glass时间序列预测; 在线阅读下载PDF 职称材料

题名基于累积式自回归动平均传递函数模型的短期负荷预测被引量：19: 1; 作者李妮江岳春黄珊毛李帆; 机构湖南大学电气与信息工程学院; 出处《电网技术》 EI CSCD 北大核心 2009年第8期93-97,103,共6页; 文摘针对短期负荷预测,提出了累积式自回归动平均(auto-regressive integrated moving average,ARIMA)传递函数模型的简化建模方法。传递函数模型考虑了干扰因素对因变量的作用,体现了干扰因素中变量间相互影响的关系。其构造灵活,可用较少的参数建立阶数较高的模型;并且假定值较少,容易得到满足。该文还将温度因素考虑在内,通过算例将传递函数模型和ARIMA模型的预测结果与实际值进行了比较,结果表明采用传递函数改进后的ARIMA模型预测精度提高,预测误差减小,具有较强的实用性。; 关键词负荷预测时间序列累积式自回归动平均模型传递函数模型; Keywords short term load forecasting time series auto-regressive integrated moving average （ARIMA） model transfer function model; 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

题名基于累积式自回归动平均法和反向传播神经网络的短期负荷预测模型被引量：17: 2; 作者陈伟吴耀武娄素华熊信艮; 机构电力安全与高效湖北省重点实验室(华中科技大学); 出处《电网技术》 EI CSCD 北大核心 2007年第3期73-76,共4页; 文摘针对电力系统短期负荷的特点建立了将累积式自回归动平均法(autoregressive integrated moving average,ARIMA)和采用反向传播算法(back propagation,BP)的神经网络法相结合的短期负荷预测模型。该模型利用ARIMA方法对线性时间序列逼近能力强的特点首先对预测日负荷进行预测,然后应用BP神经网络方法对预测结果进行修正,因此克服了单一算法存在的不足。应用该模型对某地区电网进行负荷预测,结果表明该方法的预测效果较好。; 关键词短期负荷预测累积式自回归动平均洼(ARIMA) BP神经网络平滑性处理; Keywords short-term load forecasting： autoregressiveintegrated moving average （ARIMA）： back propagation neuralnetworks, smooth disposal; 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

题名基于非参数GARCH的时间序列模型在日前电价预测中的应用被引量：17: 3; 作者邓佳佳黄元生宋高峰; 机构华北电力大学经济与管理学院; 出处《电网技术》 EI CSCD 北大核心 2012年第4期190-196,共7页; 基金中央高校基本科研业务费专项资金资助项目(11QX80)~~; 文摘电力市场中电价序列具有较强的波动性、周期性和随机性,以致经常出现价格尖峰,这在很大程度上影响了电价预测的精度。提出了一种基于小波变换和非参数GARCH(generalized auto regressive conditional heteroskedasticity)模型的时间序列模型对日前电价进行预测。利用小波变换将历史电价序列分解重构概貌序列和细节序列,分别建立累积式自回归滑动平均(auto-regressive integrated moving average,ARIMA)模型进行预测,采用非参数GARCH模型对电价序列预测残差的随机波动率进行建模,从而提高对价格波动性的预测能力和ARIMA模型的预测精度。将该模型应用于美国宾夕法尼亚—新泽西—马里兰(Pennsylvania-New Jersey-Maryland,PJM)电力市场的日前电价预测。算例结果表明,非参数GARCH模型可以更好地拟合电价序列剧烈波动的特性,该模型能够提高电价的预测精度。; 关键词电价预测小波变换累积式自回归滑动平均模型非参数GARCH模型; Keywords electricity price forecasting wavelet transform auto-regressive integrated moving average （ARIMA） model nonparametric GARCH model; 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

题名计及温度影响的短期负荷预测时间序列模型被引量：6: 4; 作者万志宏陈亮文福拴; 机构华南理工大学电力学院广东省电力调度中心浙江大学电气工程学院; 出处《华北电力大学学报（自然科学版）》 CAS 北大核心 2011年第3期61-66,共6页; 基金高等学校博士学科点专项科研基金资助项目(200805610020) 广东省电力公司科技项目; 文摘时间序列模型在国际和国内的短期电力负荷预测中得到了广泛应用。然而,这种方法的一个主要缺点是无法将影响负荷预测的主要因素之一即气象因素考虑进去。在此背景下,首先基于负荷和气温数据建立了负荷预测的回归模型,然后构造了回归模型残差累积式自回归—滑动平均模型并对回归模型进行修正。最后,用广东电力系统的实际负荷数据说明了所发展的短期负荷预测模型的实际预测效果。计算结果表明所提出的方法可以弥补现有时间序列模型的缺点,有效地提高负荷预测精度。; 关键词短期负荷预测回归模型时间序列模型累积式自回归—滑动平均模型; Keywords short-term load forecasting regression model time series auto-regressive integrated moving average（ARIMA）; 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

题名一种新的基于DFNN的时间序列预测: 5; 作者王容邓辉文; 机构西南大学计算机与信息科学学院西南大学逻辑与智能研究中心; 出处《科学技术与工程》 2010年第32期8055-8060,共6页; 文摘对时间序列预测,利用自回归移动平均模型(ARIMA)给出了一种新的基于动态模糊神经网络(DFNN)的模型。该模型中主要是考虑了输出误差这个重要因素。将ARIMA模型产生的非线性特征用DFNN模型模拟,能够产生比DFNN和ARIMA单个模型更加精确的模型。因此,它可以作为一个适当的替代模型来预测任务,特别是当需要更高的预测精度的时候。最后用Mackey-Glass时间序列验证了模型的有效性。; 关键词动态模糊神经网络累积式自回归移动平均 Mackey-Glass时间序列预测; Keywords dynamic fuzzy neural network autoregressive integrated moving average model mackey-glass time series prediction; 分类号 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	作者	出处	发文年	被引量	操作
1	基于累积式自回归动平均传递函数模型的短期负荷预测	李妮江岳春黄珊毛李帆	《电网技术》 EI CSCD 北大核心	2009	19	在线阅读下载PDF 职称材料
2	基于累积式自回归动平均法和反向传播神经网络的短期负荷预测模型	陈伟吴耀武娄素华熊信艮	《电网技术》 EI CSCD 北大核心	2007	17	在线阅读下载PDF 职称材料
3	基于非参数GARCH的时间序列模型在日前电价预测中的应用	邓佳佳黄元生宋高峰	《电网技术》 EI CSCD 北大核心	2012	17	在线阅读下载PDF 职称材料
4	计及温度影响的短期负荷预测时间序列模型	万志宏陈亮文福拴	《华北电力大学学报（自然科学版）》 CAS 北大核心	2011	6	在线阅读下载PDF 职称材料
5	一种新的基于DFNN的时间序列预测	王容邓辉文	《科学技术与工程》	2010	0	在线阅读下载PDF 职称材料