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   37篇
  国内免费   5篇
  完全免费   11篇
  自动化技术   53篇
  2020年   2篇
  2018年   3篇
  2015年   1篇
  2013年   3篇
  2012年   4篇
  2011年   2篇
  2010年   5篇
  2009年   5篇
  2008年   4篇
  2007年   5篇
  2006年   2篇
  2005年   4篇
  2004年   1篇
  2003年   2篇
  2002年   1篇
  2001年   4篇
  1999年   4篇
  1998年   1篇
排序方式: 共有53条查询结果,搜索用时 78 毫秒
1.
应用混沌理论的电力系统短期负荷预测   总被引:25,自引:3,他引:22  
梁志珊  王丽敏 《控制与决策》1998,13(1):87-90,94
应用混沌方法对电力系统历史负荷时间序列进行数理统计处理,并将这种混沌特性应用于知期负荷预测。不直接考虑气候等随机因素,只要根据过去负荷时间序列及计算所得的Lyapunov指数规律,就可得到较高的预测精度。对东北电网实际负荷时间序列进行预测,取得满意的结果。  相似文献
2.
应用模糊神经网络进行负荷预测的研究   总被引:10,自引:0,他引:10       下载免费PDF全文
张昊  吴捷  郁滨 《自动化学报》1999,25(1):60-67
应用模糊神经网络实现的预测系统通过对历史数据的自适应学习获得初始的模糊 预测模型,借助等价结构的ANN基于实时数据的梯度信息对系统参数进行BP训练,具有较 强的适应性和自学习能力.以电力短期负荷预测(STLF)为应用背景,进行了系统化的实验研 究,结果表明这一智能化的预测系统的性能是令人满意的.  相似文献
3.
基于BP-GA混合学习算法的神经网络短期负荷预测   总被引:8,自引:0,他引:8  
杨延西  刘丁  李琦  郑岗 《信息与控制》2002,31(3):284-288
本文提出了修正的遗传算法和BP算法相结合的短期负荷预测方法,与传统神经网络方 法相比,该方法可以加快网络学习速度和提高学习精度.我们用遗传算法来训练网络参数, 直到误差趋于一稳定值,然后用优化的权值进行BP算法,实现短期负荷预测.在构建网络模 型时,我们考虑了气候因素的影响,并把它作为网络的一组输入点.实验结果表明基于这一 方法的负荷预测系统较高的精度和实时性.  相似文献
4.
Electric load forecasting has received an increasing attention over the years by academic and industrial researchers and practitioners due to its major role for the effective and economic operation of power utilities. The aim of this paper is to provide a collective unified survey study on the application of computational intelligence (CI) model-free techniques to the short-term load forecasting of electric power plants. All four classes of CI methodologies, namely neural networks (NNs), fuzzy logic (FL), genetic algorithms (GAs) and chaos are addressed. The paper starts with some background material on model-based and knowledge-based forecasting methodologies revealing a number of key issues. Then, the pure NN-based and FL-based forecasting methodologies are presented in some detail. Next, the hybrid neurofuzzy forecasting methodology (ANFIS, GARIC and Fuzzy ART variations), and three other hybrid CI methodologies (KB-NN, Chaos-FL, Neurofuzzy-GA) are reviewed. The paper ends with eight representative case studies, which show the relative merits and performance that can be achieved by the various forecasting methodologies under a large repertory of geographic, weather and other peculiar conditions. An overall evaluation of the state-of-art of the field is provided in the conclusions.  相似文献
5.
改进粒子群—BP神经网络模型的短期电力负荷预测   总被引:7,自引:2,他引:5       下载免费PDF全文
师彪  李郁侠  于新花  闫旺 《计算机应用》2009,29(4):1036-1039
为了准确、快速、高效地预测电网短期负荷,提出了改进的粒子群算法(MPSO),并与BP算法相结合,形成改进的粒子群—BP(MPSO-BP)神经网络算法,用此算法训练神经网络,实现了神经网络参数优化,得到了基于MPSO-BP算法的神经网络模型。综合考虑气象、天气、日期类型等影响负荷的因素,进行电网短期负荷预测。算例分析表明,与传统BP神经网络法和PSO-BP神经网络方法相比,该方法改善了BP神经网络的泛化能力,预测精度高,收敛速度快,对电力系统短期负荷具有良好的预测能力。  相似文献
6.
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
7.
A Bayesian Multiple Models Combination Method for Time Series Prediction   总被引:4,自引:0,他引:4  
In this paper we present the Bayesian Combined Predictor (BCP), a probabilistically motivated predictor for time series prediction. BCP utilizes local predictors of several types (e.g., linear predictors, artificial neural network predictors, polynomial predictors etc.) and produces a final prediction which is a weighted combination of the local predictions; the weights can be interpreted as Bayesian posterior probabilities and are computed online. Two examples of the method are given, based on real world data: (a) short term load forecasting for the Greek Public Power Corporation dispatching center of the island of Crete, and (b) prediction of sugar beet yield based on data collected from the Greek Sugar Industry. In both cases, the BCP outperforms conventional predictors.  相似文献
8.
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
9.
小波及混沌学习神经网络在短期电力负荷预测中的应用   总被引:3,自引:2,他引:1  
该文提出了采用小波和神经网络混合模型进行电力系统短期负荷预测方法。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,根据分解后的各个分量的特点构造不同的神经网络模型对各分量分别进行预测。神经网络算法采用混沌学习算法,与传统BP算法相比,该算法利用混沌轨道的游动性使系统能够跳出局域极值的束缚而寻求全局最优点,这样克服了BP学习算法所存在的本质问题,可以加快网络学习速度和提高学习精度。最后对各分量预测信号进行重构得到最终预测结果。在构建网络模型时,该文考虑了气候因素的影响,并把它作为网络的一组输入点。实验结果表明基于这一方法的负荷预测系统具有较好的精度及稳定性.  相似文献
10.
自适应优化的模糊预测系统及其应用   总被引:3,自引:0,他引:3  
本文设计并实现了一个模糊预测系统,该系统通过对历史数据的自适应学习获得初始的预测模型,借助实时数据的梯度信息对系统参数进行自适应优化,具有较强的适应性和自学习能力。以电力负荷预测为应用背景的一系列实验研究表明这一智能化的预测系统的性能是令人满意的。  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