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   9篇
  国内免费   1篇
  完全免费   1篇
  自动化技术   11篇
  2018年   1篇
  2011年   1篇
  2010年   1篇
  2009年   2篇
  2008年   1篇
  2006年   1篇
  2005年   1篇
  2003年   2篇
  2001年   1篇
排序方式: 共有11条查询结果,搜索用时 62 毫秒
1.
电力短期负荷预测模型与软件开发   总被引:10,自引:5,他引:5  
本文应用模糊理论,人工神经网络等智能技术,确定了有效的电力负荷短期预测算法,其中着重考虑了天气因素对电网负荷的影响,并开发了实用化的负荷在线预测软件,该软件是基于Windows的应用程序的,具有开放式的结构和友好的人机接口。可用于每小时或每15分钟的负荷预测,测试结果表明,该方法具有良好的预测精度。  相似文献
2.
模糊神经网络在电力短期负荷预测中的应用   总被引:5,自引:1,他引:4  
提出用于电力短期负荷预测(SILF)的一种模糊神经网络(FNN)方法,该方法针对BP网络收敛速度慢、易导致局部极小值的缺点,将考虑气候、温度、星期类型等影响因素的模糊技术与快速二阶BP网络相结合,并以南方电网负荷预测为例,应用MATLAB蚀语言对系统进行仿真训练,测试结果表明,该方法具有较高的预测精度。  相似文献
3.
电力系统短期负荷预测的一种模糊建模方法   总被引:5,自引:5,他引:0  
预测问题在科学技术领域有着广泛的应用背景。本文介绍了一种短期负荷预测的模糊建模方法,基于三角形隶属函数和卡尔曼滤波器,辨识出电力系统的动态模型,并把辨识模型的仿真结果与系统实测值相比较,以检验模糊模型的可靠性。仿真结果表明,这种新的模糊建模方法具有较高的精度,为高度复杂的非线性电力系统模型化提供了一条新途经。此方法利用河北省某一地区具体的数据进行检验.得到了满意的结果。  相似文献
4.
基于Kalman滤波的神经网络学习算法及其应用   总被引:3,自引:0,他引:3  
针对传统神经网络学习算法速度慢、容易陷入局部最优解的缺点,将卡尔曼滤波应用于人工神经网络的训练算法中。同时,在卡尔曼滤波计算中,将奇异值分解应用于卡尔曼滤波的递推公式中,提高了协方差阵计算的数值稳定性。最后,本文通过将神经网络的卡尔曼滤波算法应用于电力系统短期负荷预测中,验证了该方法不仅具有理论意义,同时也有实用价值。  相似文献
5.
电力系统短期负荷预测对电力系统运行设计具有十分重要的意义。因此,在分析了电力负荷运行曲线的基础上,提出了一种基于级联模糊神经网络的预测模型。该模型采用基于神经网路理论的模糊模型参数辨识方法,很适合于复杂系统的模糊预测和控制。详细地对输入量的选择和学习算法进行了分析。实例表明,此方法具有町靠、鲁棒性好和快速等特点,优于神经网络电力负荷预报方法。  相似文献
6.
电力系统的短期负荷预测是电力系统管理的一项重要方法,准确的负荷预测可以保证用户得到安全、经济的供电.针对负荷预测方法的多样性,在小波神经网络用于负荷预测的基础上,提出基于量子粒子群优化算法( QPSO)优化神经网络权值,并运用模糊理论进行修正.某电网负荷的拟合数据表明QPSO优化算法训练的神经网络不仅收敛速度明显加快,而且其预报精度也比较高.  相似文献
7.
研究电网管理,进行电力负荷预测,为了保证系统的安全性,提出一种新颖的混合算法预测模型,是在粒子群优化算法的基础上引入模拟退火算法的思想形成一种混合算法,再结合模糊神经网络而成的一种预测模型.可有效地避免了传统的模糊神经网络收敛慢且容易陷入局部最小的缺点,也有助于克服标准粒子群优化算法训练模糊神经网络出现的早熟现象.通过对某市一天的电力系统进行短期负荷预测的仿真,并对BP算法、遗传算法、标准粒子群优化算法的模型进行了比较,仿真结果表明,改进预测模型的优越性和有效性.  相似文献
8.
提出了确定性退火聚类和最小二乘支持向量机(Least square Support Vectormachine.LSSVM)相结合的电力系统短期负荷预测方法.考虑影响负荷变化的各种因素构造负荷样本数据,利用确定性退火聚类算法对样本数据进行分类,得到的分类样本数据作为最小二乘支持向量机的学习样本,保证最小二乘支持向量机具有较高的预测精度.利用某电力公司2007年负荷数据和气象数据进行仿真实验,仿真结果表明该方法具有较高的预测精度.  相似文献
9.
采用减法聚类辅助模糊推理系统进行电力系统短期负荷预测。首先用减法聚类建立T-S模糊模型,然后通过调整聚类半径优选模糊规则数,以取得具有良好泛化性能的模型,最后利用梯度下降混合最小二乘算法精调参数。利用某局网负荷数据对ANFIS网络模型进行训练和检测,然后用于负荷预测,所得结果表明该算法鲁棒性好,抗干扰能力强,并且预测时间较ANFIS大大减少。  相似文献
10.
高荣  刘晓华 《基础自动化》2009,16(4):432-434
提出了确定性退火聚类和最小二乘支持向量机(Least Square Support Vectorma—chine,LSSVM)相结合的电力系统短期负荷预测方法。考虑影响负荷变化的各种因素构造负荷样本数据,利用确定性退火聚类算法对样本数据进行分类,得到的分类样本数据作为最小二乘支持向量机的学习样本,保证最小二乘支持向量机具有较高的预测精度。利用某电力公司2007年负荷数据和气象数据进行仿真实验,仿真结果表明该方法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