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   263篇
  国内免费   14篇
  完全免费   77篇
  电工技术   354篇
  2020年   3篇
  2019年   1篇
  2018年   1篇
  2017年   13篇
  2016年   1篇
  2015年   13篇
  2014年   15篇
  2013年   7篇
  2012年   10篇
  2011年   19篇
  2010年   12篇
  2009年   24篇
  2008年   25篇
  2007年   30篇
  2006年   47篇
  2005年   33篇
  2004年   29篇
  2003年   16篇
  2002年   12篇
  2001年   15篇
  2000年   13篇
  1999年   6篇
  1998年   4篇
  1997年   2篇
  1996年   2篇
  1994年   1篇
排序方式: 共有354条查询结果,搜索用时 31 毫秒
1.
短期负荷预测的支持向量机方法研究   总被引:132,自引:30,他引:102  
提出了一种基于支持向量机(SVM)理论的电力系统短期负荷预测方法。该方法采用结构风险最小化原则(SRM),与采用经验风险最小化原则(ERM)的传统神经网络方法相比,具有更好的泛化性能和精度,减少了对经验的依赖。SVM算法以统计学习理论作为其理论基础,它的训练等价于解决一个二次规划问题。为了提高负荷预测精度,文中在训练数据集中采用了负荷数据和温度数据。通过和多层BP神经网络进行比较的试验,结果证明了其在短期负荷预测中的有效性。  相似文献
2.
基于小波分析的电力系统短期负荷预测方法   总被引:62,自引:7,他引:55  
在分析电力负荷频谱特性时发现负荷信号的变化过程具有连续频谱的特性。该文在此基础上提出一种基于小波变换的电力系统短期负荷预测新方法:通过小波变换,将各序列分量分别投影到不同的尺度上,对不同的子负荷序列进行数据处理,并分别采用相匹配的模型进行预测,最后退过小波重构,得到完整的负荷预测结果。算例计算表明新方法具有较高的预测精度和较强的适应能力。  相似文献
3.
基于神经网络的电力系统短期负荷预测研究   总被引:57,自引:21,他引:36  
周佃民  管晓宏  孙婕  黄勇 《电网技术》2002,26(2):10-13,18
电力系统负荷预测是电力生产部门的重要工作之一,作者利用BP神经网络进行电力系统短期负荷预测,在保证有足够的训练样本的前提下,对预测模型进行合理分类,构造了相应于不同季节的周预测,日预测模型,并对输入变量的选择,特别是温度的选取问题,进行了讨论,在神经网络训练的过程中,往往会出现过拟合的现象,给预测的结果带来不利的影响,为此在训练过程中,将样本随机地分离为训练集和测试集来防止这个问题,典型算例的计算表明,该方法是有效的。  相似文献
4.
一种规范化的处理相关因素的短期负荷预测新策略   总被引:45,自引:11,他引:34       下载免费PDF全文
提出了一种规范化的可以直接考虑各种相关因素的短期负荷预测新策略。这种策略不仅可以 考虑已经被详细研究过的气象因素,而且可以同时考虑一般性的分类指标,如工作日/休息 日,正常日/节假日等。设计了一个规范化的相关因素映射数据库,用以反映不同影响因素 在映射函数上的差异。根据模式识别的基本原理,应用聚类分析方法描述由于相关因素的不 同而导致的待预测日与历史日之间的差异程度。作为这种预测策略的一个应用,实现了一种 基于相关因素匹配的短期预测方法。实际算例表明,应用这种新的规范化的预测策略可以得 到更加精确的预测结果。  相似文献
5.
小波模糊神经网络在电力系统短期负荷预测中的应用   总被引:41,自引:10,他引:31  
该文研究了基于小波模糊神经网络的电力系统短期负荷预测新方法。根据小波变换自适应可调时频窗的特点,利用小波分析对负荷样本做序列分解,对高尺度负荷分量采用常规预测方法,其他负荷分量则采用模糊神经网络处理技术,最后通过序列重构,得到完整的负荷预测结果。算例计算表明,新方法具有较高的预测精度和适应能力。  相似文献
6.
基于小波变换及最小二乘支持向量机的短期电力负荷预测   总被引:39,自引:7,他引:32  
杨延西  刘丁 《电网技术》2005,29(13):60-64
提出了采用小波变换和最小二乘支持向量机混合模型进行电力系统短期负荷预测的方法。首先基于小波多分辨率分析方法将负荷序列分解成具有不同频率特征的序列:然后根据分解后各分量的特点构造不同的支持向量机模型对各分量分别进行预测:最后对各分量预测信号进行重构得到最终预测结果。在构建支持向量机模型时考虑了气候因素的影响,并将其作为模型的一组输入点。实验结果表明基于该方法的负荷预测系统具有较高的预测精度。  相似文献
7.
基于组合式神经网络的短期电力负荷预测模型   总被引:38,自引:10,他引:28  
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24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,批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24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、节假日和一些特殊情况也有较好的预测精度。  相似文献
8.
基于小波分解和人工神经网络的短期负荷预测   总被引:33,自引:9,他引:24  
提出了一种基于小波分解和人工神经网络(ANN)的电力系统短期负荷预测方法.通过小波变换把负荷序列分解为不同频段的子序列,再对这些子序列分别采用相匹配的人工神经网络模型进行预测,最后综合得到负荷序列的最终预测结果.在所提出的方法中小波分解能够提取负荷的一些周期性和非线性特征,并对其进行进一步细分,根据其子序列各自所具有的规律采用相应的预测方法;而ANN对于处理非线性及无法显示明确规律的问题具有优势.经实例验证,与传统方法相比该方法具有很高的预测精度和较强的适应能力.  相似文献
9.
基于人工神经网络和模糊推理的短期负荷预测方法   总被引:31,自引:12,他引:19  
电力系统短期负荷预测是电力系统调度部门制定发电运行计划的依据,也是制定电力市场交易计划的基础。人们提出了许多种短期负荷预测方法,如时间序列法、状态空间法、人工神经网络法等,但是这些方法都无法精确地描述电力负荷模型。在对大量历史负荷数据进行统计分析的基础上,作者提出了一种基于人工神经网络和模糊推理的预测新方法,其中首先根据实际经验将负荷日类型划分为周一、工作日、周六、周日和节假日5种类型;然后根据不同的类型日建立相应的人工神经网络模型用以预测负荷归一化系数,最后通过模糊推理策略预测日最大负荷和日最小负荷。实际算例表明,所提出的方法能够提高短期负荷预测的精度。  相似文献
10.
基于支持向量机的电力系统短期负荷预测   总被引:31,自引:6,他引:25  
对将径向基函数(Radial Base Function,RBF)作为核函数的支持向量机(Supporr Vector Machine,SVM)方法应用于短期负荷预测进行了研究.作者使用基于SVM的回归估计算法建立了回归估计函数表达式,给出了SVM网络结构;采用江苏省某市的实际负荷数据,按照不同的负荷日属性和历史负荷数据进行样本选择,使用LIBSVM算法和适当的核函数进行了负荷预测,并将该预测结果同由时间序列及BP神经网络方法得到的预测结果进行了比较,结果表明,所提出的预测方法有较高的精度.  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