首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   34篇
  完全免费   1篇
  电工技术   35篇
  2018年   2篇
  2017年   8篇
  2016年   7篇
  2015年   5篇
  2014年   7篇
  2013年   3篇
  2012年   2篇
  2011年   1篇
排序方式: 共有35条查询结果,搜索用时 31 毫秒
1.
基于OS-ELM和Bootstrap方法的超短期风电功率预测   总被引:1,自引:1,他引:0       下载免费PDF全文
提出了一种基于在线序贯极限学习机(OS-ELM)的超短期风电功率预测方法。利用OSELM学习速度快、泛化能力强的优点,将批处理和逐次迭代相结合,不断更新训练数据和网络结构,实现了对数值天气预报风速的快速实时修正和风电机组输出功率的快速预测。随后,采用计算机自助(Bootstrap)法构造伪样本,给出了预测功率的置信区间评估。实例和研究结果表明,该预测方法与反向传播(BP)网络、支持向量机(SVM)方法相比,在计算时间上更能满足在线应用需求,而且预测精度相当,有较好的应用前景。  相似文献
2.
基于云计算和极限学习机的分布式电力负荷预测算法   总被引:1,自引:0,他引:1  
为了提高电力负荷预测精度,应对电力系统智能化所带来的数据海量化高维化带来的单机计算资源不足的挑战,提出了一种在线序列优化的极限学习机短期电力负荷预测模型。针对电力负荷数据特性,对极限学习机预测算法进行在线序列优化;引入分布式和multi-agent思想,提升负荷预测算法预测准确率;采用云计算的MapReduce编程框架对提出的算法模型进行并行化改进,提高其处理海量高维数据的能力。选用EUNITE提供的真实电力负荷数据进行算例分析,在32节点云计算集群上进行实验,结果表明基于该模型的负荷预测精度均优于传统支持向量回归预测算法和泛化神经网络预测算法,且提出的算法具有优异的并行性能。  相似文献
3.
舒隽  甘磊 《现代电力》2011,28(4):78-83
为了提高我国电力工程建设成本概预算方法的客观性和科学性,根据电力线路建设的影响因素,结合单隐层前馈神经网络(SLFN)的特点,提出了基于极限学习机(ELM)的电力线路建设成本估算的方法。在分析影响电力线路建设成本的因素和归纳电力线路建设工程的相关具体成本项目的基础上,建立各因素和电力建设成本之间的关系集合,构建基于极限学习机的电力线路建设成本估算神经网络模型,并利用极限学习机算法对该网络模型进行训练,确定网络中的相应参数。算例仿真说明:在电力线路建设成本估算领域,相对于BP网络,ELM不仅速度极快,而且结果良好,泛化性能也较优。  相似文献
4.
崔力云 《广西电力》2012,(2):10-13,54
提出了一种基于经验模态分解(EMD)样本熵和极限学习机(ELM)的输电线路故障类型识别的新方法。利用EMD良好的局域化特性和样本熵来获取故障信息,进行特征提取,再结合ELM的强大模式分类能力进行故障类型识别。基于SIMULINK/MATLAB的故障仿真结果表明,该方法能快速准确地识别输电线路的各类故障,并且不受故障时刻、过渡电阻、故障位置等因素的影响。  相似文献
5.
灵活交流输电(flexibleAC transmission system,FACTS)装置在电力系统中应用广泛,但通常各台FACTS设备都是针对本地量和各自目标进行参数整定。为了更大程度地发挥FACTS效用,消除潜在的不利交互影响,有必要对多FACTS进行参数的协调配置。文中首先采用小波变换分析了协调配置的必要性,结合改进的多目标量子遗传算法和极限学习机提出了多FACTS协调配置算法,最后在装设有TCSC和SVC的算例中进行仿真,验证了所提算法的有效性。  相似文献
6.
为使配电网重构有功功率损耗最小,提出一种基于极限学习机的神经网络重构模型来反映配电网负荷模式与开关状态之间的非线性关系。将配电网负荷模式作为输入、网损最小时的开关状态作为输出,利用所提模型网络结构简单、学习速度快的优势进行配电网重构。引入统计学习理论中的结构风险最小化准则来改进基于经验风险最小化的极限学习机,使经验风险和置信范围最小,从而使实际风险最小,减小期望误差。通过2个典型算例对配电网重构进行仿真研究,并对基于支持向量机、BP神经网络和基于经验风险最小化的极限学习机重构模型进行比较,结果表明所提模型在保持学习速度快的同时,泛化性能更高。  相似文献
7.
将极限学习机(ELM)方法引入电力系统短期负荷预测领域。该方法预测能力强,具有计算时间短、计算准确性高、全局搜索等显著特点。在运用ELM算法建立短期负荷预测模型过程中,采用归一化处理输入数据,使用主成分分析法选取计算样本,并由交互验证法确定最优主成分因子数和ELM隐含层节点数。实际算例表明,在于短期负荷预测的预测精度和运算时间方面,ELM方法较传统神经网络方法具有其独特的优势。  相似文献
8.
常规永磁操动机构的动作时间补偿的预测是采用加权平均值算法、多元线性回归法和人工神经网络算法(ANN)等对动触头的分/合闸时间进行估计和预测,但是加权平均系数的计算和线性回归系数的求解比较繁琐,而ANN网络具有训练速度慢、容易陷入局部极小点、学习率的选择难以确定等诸多缺点。研究了采用极限学习机(ELM)算法和BP神经网络算法,利用Matlab软件对永磁机构动作时间进行预测,通过对比分析,得到性能较好的算法。  相似文献
9.
磁链特性是开关磁阻电机系统建模的重要基础,文中探讨了利用极限学习机处理磁化曲线簇,建立电机模型的方法.在详细分析电机非线性磁链特性的基础上,运用极限学习机的非线性回归理论,通过对开关磁阻电机进行有限元分析得到样本数据集进行训练学习,建立了电机的非参数模型,与传统神经网络、支持向量机相比,该电机模型具有更高的回归精度与更快的回归速度.仿真实验表明,该模型比较准确地反映了电机的磁链特性.  相似文献
10.
提出一种基于集合经验模态分解(Ensemble empirical mode decomposition)和改进极限学习机(Improved Extreme Learning Machine,IELM)的新型短期风速组合预测模型。采用集合经验模态分解将风速序列分解成不同频段的分量,以降低序列的非平稳性。使用改进极限学习机对各分量分别建模预测,为避免极限学习机输入维数选取的随意性和分量信息丢失等问题,先对各分量重构相空间,最后将各分量预测结果叠加得到最终预测结果。实例研究表明,所提的组合预测模型具有较高的预测精度。  相似文献
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号