短期负荷预测方法

作品数：202被引量：2494H指数：27
导出分析报告
相关领域：电气工程自动化与计算机技术更多>>
相关作者：李滨杜松怀吴杰康彭显刚白晓清更多>>
相关机构：国家电网有限公司华北电力大学国家电网公司广东工业大学更多>>
相关期刊：更多>>
相关基金：国家自然科学基金国家电网公司科技项目国家教育部博士点基金中国博士后科学基金更多>>
-
在结果中检索

检索结果分析

结果分析中...
选择条件：
  • 期刊=电力系统自动化x
共 条 记 录，以下是1-7
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
基于CNN-LSTM混合神经网络模型的短期负荷预测方法被引量：371
《电力系统自动化》2019年第8期131-137,共7页陆继翔 张琪培 杨志宏 涂孟夫 陆进军 彭晖 
国家重点研发计划资助项目(2017YFB0902600)~~
为了更好地挖掘海量数据中蕴含的有效信息,提高短期负荷预测精度,针对负荷数据时序性和非线性的特点,提出了一种基于卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合模型短期负荷预测方法,将海量的历史负荷数据、气象数据、日期信息以...
关键词：短期负荷预测 卷积神经网络 长短期记忆网络 卷积神经网络—长短期记忆网络混合模型 
基于经验模态分解与特征相关分析的短期负荷预测方法被引量：93
《电力系统自动化》2019年第5期46-56,共11页孔祥玉 李闯 郑锋 于力 马溪原 
国家重点研发计划资助项目(2017YFB0902902);国家自然科学基金资助项目(51377119)~~
提出了一种基于经验模态分解与特征相关分析的短期负荷预测新方法。该方法从分解负荷序列入手,采用经验模态分解将原始负荷时间序列分解成不同频率的本征模函数(IMF)分量和残差分量,以弱化复杂影响因素环境下原始序列的波动性,获取更具...
关键词：负荷预测 经验模态分解 智能算法 最小冗余度最大相关性 
基于GRU-NN模型的短期负荷预测方法被引量：189
《电力系统自动化》2019年第5期53-62,共10页王增平 赵兵 纪维佳 高欣 李晓兵 
国家重点研发计划资助项目(2016YFF0201201)~~
目前基于统计分析和机器学习的预测方法难以同时兼顾负荷数据的时序性和非线性特点。文中提出了一种基于GRU-NN模型的短期电力负荷预测方法。该方法基于深度学习思想处理不同类型的负荷影响因素,引入门控循环单元(GRU)网络处理具有时序...
关键词：电力系统 短期负荷预测 门控循环单元 深度神经网络 
基于深度信念网络的短期负荷预测方法被引量：176
《电力系统自动化》2018年第5期133-139,共7页孔祥玉 郑锋 鄂志君 曹旌 王鑫 
国家自然科学基金资助项目(51377119);国家重点研发计划资助项目(2017YFB0902902)~~
电力系统信息化的发展及配电网中分布式电源和电动汽车的大量接入,增加了用电模式的复杂性,对负荷预测的精确度和稳定性提出了更高的要求。提出了一种基于深度信念网络的短期负荷预测方法。该方法包括深度信念网络的构建、模型参数的逐...
关键词：电力系统 负荷预测 受限玻尔兹曼机 深度信念网络 列文伯格—马夸尔特算法 
基于相似性原理的短期负荷预测方法被引量：32
《电力系统自动化》2001年第23期45-48,共4页金海峰 熊信艮 吴耀武 
提出了基于相似性原理的短期负荷预测方法 ,它有较高的预测可靠性 ,尤其适用于预测日天气状况与训练模式天气状况有较大差别的系统。运用相似性原理对人工神经网络的训练模式进行选择 ,使其与预测日有相似的气象特征 ,在此基础上 ,用选...
关键词：相似性原理 短期负荷预测 人工神经网络 电力系统 
96点短期负荷预测方法及其应用被引量：43
《电力系统自动化》2001年第22期32-36,共5页鞠平 姜巍 赵夏阳 王俊锴 张世学 刘琰 
教育部高校优秀青年教师奖励计划资助项目
结合相似日方法和人工神经网络方法的优点 ,提出一种基于相似日和径向基函数网络的新方法。该方法具有较好的稳定性和精度 ,与普通相似日方法相比 ,减少了对人的经验的依赖 ,但仍然保持了应用简便、实用有效的特点。开发了 96点短期负...
关键词：电力系统 相似日方法 径向基函数网络 短期负荷预测 人工神经网络 
基于自适应最优模糊逻辑系统的短期负荷预测方法被引量：17
《电力系统自动化》1999年第17期35-37,共3页吴捷 严华 
提出了一种基于自适应最优模糊逻辑系统的电力系统短期负荷预测方法。首先通过最近邻聚类算法对负荷历史数据进行分组，再将每一组数据（一个聚类）视为一个数据对，用最优模糊逻辑系统来进行预测系统的建模。实验结果表明，这种预测方...
关键词：短期负荷预测 模糊逻辑系统 数学模型 电力系统 
全选清除导出
共1页<1>
检索报告 对象比较 聚类工具 使用帮助 返回顶部