注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 负荷预测相关论文（共9篇）

  2. Electric load forecasting using an artificial neural network Electric Load Forecasting 变电所变压器节能增效的优化数学分析 变电站变压器经济运行实时监控系统 变压器经济运行的神经网络控制系统 基于SCADA实时数据的变压器经济运行方式研究 基于负荷预测的变压器经济运行自动投切装置 现行电价与变压器经济运行分析 一种整合多种计算方法的短期负荷预测模型

  3. 所属分类：网络基础

    • 发布日期：2010-03-10
    • 文件大小：4194304
    • 提供者：kingpaladin

  1. 短期电力负荷预测方法研究与系统设计

  2. 短期电力负荷预测方法研究与系统设计

  3. 所属分类：制造

    • 发布日期：2012-05-23
    • 文件大小：1048576
    • 提供者：hulei_accp

  1. 基于ARIMA算法和小波分析+BP神经网络算法的短期负荷预测

  2. 我们用了两种算法对PJM某区电力负荷进行超短期预测。ARIMA算法预测速度较快，平均误差在3%以内，特别适合这种超短期负荷预测，而小波分析+BP神经网络算法是一种适应性比较广的算法，在此次超短期负荷预测中它的平均误差在7%以内，预测时间相对更长。 此程序由华北电力大学电力专业学生编写，采用了VB、MATLAB混合编程（VB的界面，MATLAB的内核），利用了2种算法实现电力负荷超短期预测，这2种方法都是当前较先进实用的算法，十分有启发性。

  3. 所属分类：教育

  1. 电力系统短期负荷预测方法综述

  2. 电力系统短期负荷预测方法综述，小波分析；神经网络；支持向量机；数据挖掘

  3. 所属分类：讲义

    • 发布日期：2014-10-09
    • 文件大小：72704
    • 提供者：u010855524

  1. SVM_Short-term-Load-Forecasting基于支持向量机的短期电力负荷预测

  2. 优秀论文及配套源码。首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响

  3. 所属分类：机器学习

    • 发布日期：2017-06-20
    • 文件大小：334848
    • 提供者：oxinsuan

  1. 公共楼宇空调负荷群参与调度

  2. 随着发展中国家空调（AC）负荷的逐渐广泛使用，近十年来城市电网负荷迅速增加。特别是在中国，交通负荷占许多城市最大负载的30％以上在夏天本文提出了一种由公共建筑的酷存中央AC（CSCAC）系统和非CSCAC（NCSCAC）系统构建虚拟峰值单元（VPU）的方案，用于日前的电力网络调度（DAPND）。考虑到不同气象参数的积累效应，首先讨论了公共建筑中心AC（CAC）基线负荷的短期负荷预测方法。然后，建立了公共建筑CAC负载的二阶等效热参数模型。此外，分别介绍了公共建筑CSCAC系统和公共建筑NCSC

  3. 所属分类：算法与数据结构

    • 发布日期：2018-04-03
    • 文件大小：1048576
    • 提供者：qimendunjia_312

  1. 基于RBF 神经网络分位数回归的概率密度预测方法

  2. 针对电力系统短期负荷预测问题，在现有的组合预测和概率性区间预测的基础上，提出了基于RBF 神经网络分位数回归的概率密度预测方法，得出未来一天中任意时期负 荷的概率密度函数，可以得到比点预测和区间预测更多的有用信息,实现了对未来负荷完整概率分布的预测。

  3. 所属分类：电信

    • 发布日期：2018-04-19
    • 文件大小：765952
    • 提供者：challenger_yu

  1. 基于深度学习LSTM网络的短期电力负荷预测方法

  2. 文章在深度学习理论的基础上应用LSTM网络对电力负荷进行了预测，具有较高的应用价值。

  3. 所属分类：其它

    • 发布日期：2018-06-25
    • 文件大小：2097152
    • 提供者：zxxlp1314

  1. 基于深度学习LSTM网络的短期电力负荷预测方法

  2. 文章在深度学习理论的基础上应用LSTM网络对电力负荷进行了预测，具有较高的应用价值。

  3. 所属分类：其它

  1. 基于机器学习的短期电力负荷预测方法研究.pdf

  2. 基于机器学习的短期电力负荷预测方法研究

  3. 所属分类：机器学习

    • 发布日期：2020-04-12
    • 文件大小：3145728
    • 提供者：anitachiu_2

  1. 短期电力负荷预测方法

  2. 提出了一种BP 混合模拟退火( SA) 的ANN 短期负荷预测方法

  3. 所属分类：其它

    • 发布日期：2013-03-22
    • 文件大小：136192
    • 提供者：yunyanyishun

  1. 基于改进PSO算法和LS-SVM的短期电力负荷预测

  2. 针对电力负荷的小样本、非线性、高维数和局部极小点等问题,提出采用最小二乘支持向量机方法建模,以历史负荷、温度、湿度等数据作为输入量,对短期电力负荷进行预测;针对最小二乘支持向量机在建模中存在的参数选取问题,采用一种根据种群多样性信息来指导初始种群选取和避免粒子早熟收敛现象的改进粒子群优化算法来优化最小二乘支持向量机的惩罚因子和核参数。仿真结果表明,基于改进粒子群优化算法和最小二乘支持向量机的短期电力负荷预测方法较最小二乘支持向量机预测方法、基于基本粒子群优化算法和最小二乘向量机的预测方法具有更好

  3. 所属分类：其它

    • 发布日期：2020-05-29
    • 文件大小：257024
    • 提供者：weixin_38635323

  1. 基于EEMD-SE和GARBF的短期电力负荷预测

  2. 为了提高短期电力负荷的预测精度，提出了集合经验模态分解（EEMD）-样本熵（SE）和遗传算法（GA）来优化RBF神经网络的组合方法。利用EEMD分解法自适应地对负荷序列进行分解，结合样本熵对复杂度相似的子序列进行合并，有效减小了运算规模。基于各个子序列复杂度的差异构建相应的RBF神经网络模型，利用遗传算法避免神经网络陷入局部最优和收敛性问题，进而对合并的新子序列进行预测并叠加得到最终预测结果。仿真结果表明，该预测算法具有良好的预测效果，满足短期电力负荷预测的要求。

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：590848
    • 提供者：weixin_38702110

  1. 基于深度长短时记忆网络的区域级超短期负荷预测方法_张宇帆.pdf

  2. 超短期负荷预测为实时电力市场运行提供重要依据， 预测准确度的提升对于揭示负荷变化的不确定性以及日前 预测偏差具有重要意义。基于电力系统中含有的丰富大数据 资源，提出了一种针对区域级负荷的深度长短时记忆网络超 短期预测方法，该方法包括输入数据的预处理、深度长短时 记忆(long short-term memory，LSTM)网络的构建以及模型 的训练和超参数的寻找等步骤。其中采用随机搜索的方法寻 找最优超参数，并在该超参数下选择泛化能力最优的模型，与前沿机器学习预测算法进行对比。实验结果证实，深度

  3. 所属分类：讲义

    • 发布日期：2020-10-17
    • 文件大小：1048576
    • 提供者：SparkQiang

  1. 基于模糊小波网络的电力系统短期负荷预测方法

  2. 本文提出一种基于模糊小波网络的短期负荷预测模型。模糊小波网络结合了小波变换良好的时频局域化性质、模糊推理和神经网络的学习能力，因此函数逼近能力大大提高。模糊小波网络由一组模糊推理规则和若干小波子网络组成，其中模糊规则的结论部分与某一特定尺度的小波子网络相对应。在学习过程中通过同时调整小波基函数的平移因子和隶属度函数的形状，使得模糊小波网络的精度和泛化能力大大提高。实例计算表明，这种模型是切实可行的。

  3. 所属分类：其它

    • 发布日期：2020-10-23
    • 文件大小：324608
    • 提供者：weixin_38521169

  1.  基于EMD和神经网络的短期电力负荷预测

  2. 提出了采用经验模态分解（EMD）和神经网络结合的方法对短期电力负荷进行预测。通过EMD算法将电力负荷的时间序列分解为若干个固有模态函数，采用神经网络对各个固有模态函数分别预测，然后求和重构各个固有模态函数的预测值，最后得出总的负荷预测值。通过仿真分析，该方法相对于采用单一的神经网络预测降低了预测误差，改善了短期负荷预测的有效性。

  3. 所属分类：其它

    • 发布日期：2021-01-30
    • 文件大小：1048576
    • 提供者：weixin_38702047

  1. 基于多神经网络融合的短期负荷预测方法

  2. 为了利用不同深度神经网络的优势，提高深度学习算法对短期负荷的预测能力，提出一种基于多神经网络融合的短期负荷预测方法。以电力系统历史有功负荷、季节、日期类型和气象数据为输入特征，并行架构的深度神经网络和注意力机制网络为核心网络；以并行架构中的卷积神经网络通道提取静态特征，门控循环单元网络通道挖掘动态时序特征，采用注意力机制网络融合提取的特征并动态调整网络对不同特征的依赖程度；使用Maxout网络增强网络整体的非线性映射能力，通过全连接网络输出预测结果。与支持向量机、长短期记忆网络的算例结果对比表明

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：2097152
    • 提供者：weixin_38614636

  1. 基于大数据和优化神经网络短期电力负荷预测

  2. 随着电力数据采集成本降低及大规模电网互联等因素，电网中可获取的数据类型日益丰富。以往的集中式预测方法对海量电力数据的分析能力有限。提出基于大数据和粒子群优化BP神经网络短期电力负荷预测，建立短期电力负荷预测模型。利用国家电网的实际负荷数据，采用所提方法进行预测，与实际负荷数据及集中式负荷预测结果进行比较，结果证明，所提方法预测精度较高，降低了负荷预测时间，在实际应用中具有可行性。

  3. 所属分类：其它

    • 发布日期：2021-01-14
    • 文件大小：610304
    • 提供者：weixin_38628429

  1. 基于EMD-分形理论的短期电力负荷预测

  2. 电力负荷预测是电力系统规划的重要组成部分。为了使电力系统安全经济平稳的运行，由此特别需要精确的电力负荷预测方法。为了实现更好负荷预测方法，文中将经验模态分解（EMD）与新兴的电力负荷预测模型分形理论相结合，提出了EMD-分形负荷预测模型。为了证明此方法的有效性，文中将这种新的预测模型跟分形预测模型和BP神经网络预测模型相比较。最终通过仿真算例说明了本文提出的这种新型预测方法精度更高，几乎所有的误差都在2％以下，预测结果更好，可以很好的应用在电力系统负荷预测中。

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：1048576
    • 提供者：weixin_38589150

  1. 基于模糊支持向量机与线性外推的混合短期电力负荷预测方法

  2. 基于模糊支持向量机与线性外推的混合短期电力负荷预测方法

  3. 所属分类：其它

    • 发布日期：2021-03-28
    • 文件大小：246784
    • 提供者：weixin_38581405
« 12 »