王晓文

作品数：10被引量：5H指数：1
导出分析报告
供职机构：沈阳电力高等专科学校更多>>
发文主题：短期负荷预测人工神经网络BP算法负荷预测电力系统更多>>
发文领域：电气工程自动化与计算机技术更多>>
发文期刊：《沈阳工程学院学报（自然科学版）》《东北电力技术》更多>>
-
在结果中检索

检索结果分析

署名顺序

  • 全部
  • 第一作者
结果分析中...
共 条 记 录，以下是1-10
全选清除导出
参考文献引证文献引用追踪
视图：
排序：
浅谈干式变压器的发展被引量：1
《东北电力技术》2002年第4期32-34,共3页李晶 赵志刚 王晓文 
从分析干式变压器的特点入手 ,比较了干式变压器与油浸变压器的性能差别 。
关键词：干式变压器 油浸变压器 电力变压器 铜箔 铝箔 抗短路 
基于神经网络的被测量重构方法研究
《沈阳工程学院学报（自然科学版）》2001年第1期8-11,共4页温明会 张铁岩 王晓文 
提出了基于神经网络的被测量重构方法 ;针对神经网络中误差反向传播算法收敛速度慢的问题对目标函数等三方面进行了改进 ,将改进的多层前向网络、误差反向传播算法用于被测量重构。在实际的测量系统中 ,进行了仿真研究 ,结果表明 ,神经...
关键词：被测量重构 神经网络 方法 
与牛顿法相结合的双重断线分析
《沈阳工程学院学报（自然科学版）》2000年第4期17-19,共3页王晓文 李晶 赵君有 
用两个八阶方阵的乘法求得双重断线的节点注入功率 ,并利用牛顿法计算了断线潮流。由于运用了断线前的潮流结果 ,使断线分析效率。
关键词：断线 潮流 模拟 
基于模糊推理规则的短期负荷预测
《沈阳工程学院学报（自然科学版）》1999年第4期1-3,共3页王晓文 卢颖 吴志宏 
提出用于短期负荷预测的模糊系统（FS）。依据相关性将历史负荷分组，再用模糊系统来映射样本数据。FS采用梯度算法修正规则参数，使其输出与负荷数据很好地吻合，并能对未来负荷进行预测。
关键词：模糊系统 推理规则 负荷预测 
含可控移相器的电力系统潮流分析
《沈阳工程学院学报（自然科学版）》1999年第4期4-6,共3页周然 赵君有 王晓文 
可控移相器（TCPST）是一种重要的FACTS装置，其可以实现对电力系统潮流的调控。本文综合考虑了TCPST对系统潮流计算的影响。提出了一个简单，有效的含TCPST的电力系统潮流计算方法，其特点可以很方便地与现有的交流潮流算法相结合。算...
关键词：可控移相器 电力系统 潮流 
一种前向神经网络训练算法的改进被引量：1
《沈阳工程学院学报（自然科学版）》1999年第3期17-19,共3页张森 张化光 王晓文 
针对前向神经网络（FNN）现有BP学习算法的缺点──收敛速度缓慢、容易陷入局部极小，提出一种快速、全局优化、简单通用的前向神经网络训练算法。这种方法将改进BP算法中的动量项由常量改换为一类关于常量的非线性函数。利用非线性特...
关键词：前向神经网络 BP算法 带升温策略的改进算法 
改进的BP算法及其在短期负荷预测中的应用被引量：3
《东北电力技术》1999年第9期26-29,共4页王晓文 
提出ＢＰ的改进算法。采取初始化样本数据， 改变隐节点作用函数形式， 增加节点函数的陡度、自适应调整学习率等措施提高了学习速度。应用改进的ＢＰ算法进行的短期负荷预测， 验证了改进措施的有效性， 取得了满意的预测结果。
关键词：人工神经网络 BP算法 短期负荷预测 电力系统 
一种短期负荷预测的自适应神经网络方法
《沈阳工程学院学报（自然科学版）》1999年第2期12-16,共5页王晓文 刘宝贵 
提出了自适应BP神经网络模型预测短期负荷的方法。依据负荷的日相关性把历史负荷分成24组样本数据，再用BP网络来映射样本数据。采用初始化样本数据，增大节点作用函数陡度，变换隐层节点作用函数形式，自适应调整学习参数等方法提高了B...
关键词：人工神经网络 BP算法 负荷预测 
Hopf分歧特征的电压控制系统分析
《沈阳工程学院学报（自然科学版）》1999年第1期42-45,共4页刘宝贵 王晓文 管秀鹏 
本文利用Hopf分歧理论对临界负荷条件下系统的稳定性进行了分析。采用较精确的发电机双轴模型后的研究表明，与励磁系统相关的一对复特征根在临界负荷点近旁将显现出Hopf分歧特征。通过构造的一个中心流形对系统周期解的稳定性进行了研究。
关键词：HOPF分歧 中心流形 电力系统稳定 
应用模糊神经网络的短期负荷预测
《东北电力技术》1999年第2期1-3,共3页王晓文 梁志珊 
提出用于短期负荷预测的模糊系统。该系统具有神经网络的结构和学习算法，称模糊神经网络ＦＮＮ。ＦＮＮ以现有的历史负荷生成规则，以最小隶属度法增补规则。规则参数经过修正后，ＦＮＮ的输出能与负荷数据很好地吻合。一经训练，ＦＮ...
关键词：人工神经网络 模糊系统 负荷预测 电力系统 学习算法 
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