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   4篇
  完全免费   3篇
  电工技术   7篇
  2015年   2篇
  2014年   1篇
  2013年   2篇
  2012年   1篇
  1999年   1篇
排序方式: 共有7条查询结果,搜索用时 31 毫秒
1
1.
基于相关向量机的短期风速预测模型   总被引:3,自引:0,他引:3       下载免费PDF全文
通过对风速的时间序列进行分析,表明该序列具有混沌特性。在此基础上,利用相空间重构理论建立基于相关向量机(RVM)的短期风速预测模型,并对不同的核函数进行分析,选出最优的核函数。与现有的风速预测模型相比,该模型具有高稀疏性、核函数选择灵活等优点。仿真结果表明,与BP神经网络和支持向量机(SVM)模型相比,RVM模型预测精度更高。  相似文献
2.
1998年起,中央决定调整电力工业结构,加快我国城乡电网建设和改造的步伐。作者分析了安徽城市电网的现状和存在的问题,介绍了安徽省城网改造的基本指导思想、目标和规划。  相似文献
3.
直流系统可靠运行是电网安全、稳定、连续运行的保证。分析了直流电源设备运行、监控、维护的现状,根据现场工作经验和国网安规,提出了一种直流系统隐患排查新方法,该方法既能保证电气设备的安全可靠运行、又可获得经济效益和社会效益。  相似文献
4.
发电机是一个多变量、强耦合的非线性系统,传统的分析方法难以建立精确的发电机进相能力分析模型.提出一种基于相关向量机(RVM)的发电机进相能力模型,以发电机有功功率和无功功率为输入、发电机的功角和电网电压为输出.以典型工况下发电机进相运行试验结果作为训练样本和测试样本,建立某600 MW发电机进相能力RVM模型,并讨论了核函数的选择对RVM模型收敛精度的影响.结果表明所建立的发电机进相RVM模型较之BP神经网络、径向基函数(RBF)神经网络和支持向量机(SVM)模型,精度更高、泛化能力更强,能有效地克服传统方法的局限性,适用于发电机进相运行实时控制.  相似文献
5.
提出一种基于D-S证据理论的短期风速组合预测模型.分别采用时间序列、BP神经网络和支持向量机预测模型对风速进行预测,通过对预测误差的分析,借助D-S证据理论对3种模型进行融合.选取待测日前凡日的风速数据作为融合样本,计算出相应的基本信任分配函数,同时将函数进行融合,并将融合结果作为风速预测模型的权重,得到待预测日的风速预测结果.仿真结果表明,所提组合预测模型的预测误差更小,效果更好.  相似文献
6.
刘亚南  卫志农  钟淋涓  李志杰  孙国强  孙永辉 《继电器》2012,40(20):101-105,112
供电可靠性是评价电力系统供电能力的一个重要指标。根据电网运行的实际特点,采用相关向量机方法以电网供应能力和电网面临的自然灾害等因素作为模型的输入变量,以影响供电可靠性的电网故障停电时间作为模型的输出量,训练并建立电网可靠性预测模型。在模型的建立过程中,通过对相关向量机网络训练样本集进行主成分分析来改进样本的输入因子数,减少网络的输入数,简化网络结构,提高网络的精度。通过实例验证了该算法的有效性和适应性,为今后的供电可靠性预测提供一种新的方法。  相似文献
7.
基于D-S证据理论,提出一种母线负荷预测新方法。该方法对BP神经网络、改进的BP神经网络和支持向量机(SVM)的母线负荷预测模型分别建立权重提取和权重融合模型,并运用D-S证据理论对3种预测模型的权重进行融合。通过对预测数据进行分析,提取证据理论样本,并将可信度函数的融合结果作为母线负荷预测模型的权重,最终得到待预测日的母线负荷预测结果。仿真结果表明,与单一的母线负荷预测模型相比,经D-S证据理论融合的母线负荷预测模型更有效,也具有更高的预测精度。  相似文献
1
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