期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
综合BP神经网络及气温因素的日负荷预测方法
被引量:
3
Approach to Daily Load Forecasting Based on BP Neural Networks and Weather Factors
下载PDF
职称材料
导出
摘要
随着社会经济的快速发展,空调及取暖负载在总用电负荷中的比重日益增加,气温变化引起的负荷波动趋势越来越明显.本文通过分析2003年6~8月金华市总用电负荷和气温数据,提出在传统短期负荷预测方法中增加了气温数据作为辅助输入变量,对于提高短期日负荷预测精度、增加电力系统调度效率以及缓解区域供电不足等方面具有重要意义.
作者
于巧梅
蒋锋
机构地区
浙江金华气象局
浙江金华电业局
出处
《云南电力技术》
2006年第2期5-7,共3页
Yunnan Electric Power
关键词
气温变化
短期负荷预测
电力系统调度
分类号
TM715 [电气工程—电力系统及自动化]
引文网络
相关文献
节点文献
二级参考文献
0
参考文献
1
共引文献
0
同被引文献
22
引证文献
3
二级引证文献
16
参考文献
1
1
刘晨晖.电力系统负荷预报理论与方法[J].哈尔滨:哈尔滨工业大学出版社,1987,.
同被引文献
22
1
Shuai Liu,Ruipeng Gang,Chenghua Li,Ruixia Song.
Adaptive deep residual network for single image super-resolution[J]
.Computational Visual Media,2019,5(4):391-401.
被引量:3
2
牛东晓,谷志红,邢棉,王会青.
基于数据挖掘的SVM短期负荷预测方法研究[J]
.中国电机工程学报,2006,26(18):6-12.
被引量:118
3
沈家芬,张凌,莫测辉,冯建军.
广州市空气污染物和气象要素的主成分与典型相关分析[J]
.生态环境,2006,15(5):1018-1023.
被引量:38
4
黄燕波.
SPSS在气象统计分析中的应用[J]
.气象研究与应用,2007,28(A01):76-77.
被引量:16
5
刘云如,易叶青,羊四清.
基于小波域多元非线性回归的鲁棒性数字水印算法[J]
.计算技术与自动化,2008,27(1):57-60.
被引量:2
6
徐东升,杨巍,魏哲,刘国兴.
基于SPSS的短期负荷特性分析及其预测研究[J]
.电力系统保护与控制,2009,37(21):147-151.
被引量:27
7
谢素超,高广军.
薄壁结构吸能预测的多元非线性回归分析[J]
.应用基础与工程科学学报,2010,18(4):714-721.
被引量:17
8
王冀,宋瑞艳,郭文利.
统计降尺度方法在北京月尺度预测中的应用[J]
.气象,2011,37(6):693-700.
被引量:9
9
姜文瑞,王玉英,郝小琪,李富鹏.
决策树方法在气温预测中的应用[J]
.计算机应用与软件,2012,29(8):141-144.
被引量:11
10
李勇.
基于多种数学模型的电力需求预测系统[J]
.电子世界,2013(7):89-90.
被引量:1
引证文献
3
1
赵东雷,库巍,李丹华,李文浩,花广如.
气象因素对电力系统短期负荷预测精度的影响[J]
.云南电力技术,2017,45(3):49-52.
2
胡怡霜,夏翔,丁一,方建亮.
基于因子和趋势分析反馈的多元回归负荷预测[J]
.电力需求侧管理,2018,20(6):22-25.
被引量:15
3
杨乐,马驰,胡辉,黄冬.
基于改进LSTMs模型的区域中长期气温预测方法研究[J]
.惠州学院学报,2021,41(6):75-79.
被引量:1
二级引证文献
16
1
刘士进,孙立华,郭鹏.
基于EEDM-Arima算法的某地区电力系统负荷预测及算例分析[J]
.电子测量技术,2020(7):185-188.
被引量:13
2
陈健,金杨,叶延君,简单.
需求侧气象敏感用电量特征分析[J]
.浙江电力,2019,38(7):70-74.
被引量:1
3
张丹丹,胡钢,卢静,尹晓东,任其文.
基于GAD-BP神经网络的短期负荷预测[J]
.电子测量技术,2019,42(24):143-147.
被引量:12
4
赖水生,肖军,蓝贤钢,左小德.
广州某城中村低压用电负荷的特性与需求预测研究[J]
.电力需求侧管理,2020,22(5):73-77.
被引量:3
5
郭虹,李壮举.
基于中央空调的几种负荷预测方法对比分析[J]
.建筑热能通风空调,2020,39(9):1-5.
被引量:7
6
段炼,洪海生,乡立,林海,许中平,岳首志.
考虑分时段负荷行为的短期负荷预测方法[J]
.电力需求侧管理,2021,23(1):77-83.
被引量:10
7
邵宇鹰,彭鹏,张秋桥,王冰.
基于极限学习机与负荷密度指标法的空间负荷预测[J]
.电力工程技术,2021,40(1):86-91.
被引量:10
8
黄馨乐,于军琪.
基于生成对抗网络的深度Q学习空调冷负荷预测算法[J]
.建筑节能(中英文),2021,49(9):105-108.
被引量:1
9
李彬,陈达理,祁兵,孙毅,陈宋宋.
基于改进型蚁狮混合优化系统模型负荷可调节能力预测[J]
.电力信息与通信技术,2022,20(1):81-91.
被引量:2
10
谭风雷,丁心志,张军,陈昊,何嘉弘.
基于变化趋势和气象因子的加权负荷预测方法[J]
.电力需求侧管理,2022,24(3):66-72.
被引量:2
1
张震宇,吕育青,蒋锋.
BP神经网络在计及气温因素的短期日负荷预测中的应用[J]
.浙江电力,2007,26(1):6-9.
被引量:7
2
李春民.
考虑气温因素的神经网络在短期电力负荷预测中的应用[J]
.中小企业管理与科技,2012(31):202-204.
3
杨长兴,杨龙.
神经网络在考虑气温因素短期负荷预测中的应用[J]
.福建电脑,2009,25(4):93-94.
被引量:2
4
续强.
计算机技术于电力系统自动化中的应用[J]
.信息技术与信息化,2014(5):248-250.
被引量:3
5
沈梁玉,于欣.
基于支持向量机的夏季电力负荷短期预测方法[J]
.华东电力,2009,37(11):1844-1847.
被引量:8
6
尹飞,刘忠,范一龙.
基于二次聚类的低压台区负荷特性分析[J]
.中国电力教育(下),2014(10):125-128.
被引量:1
7
李泓泽,赵小菡.
气温因素对北京市全社会月用电量影响的分析[J]
.现代工业经济和信息化,2017,7(3):10-12.
8
王鑫,胡伟,黄伟兵.
风电接入对宁夏电网静态电压的影响研究[J]
.宁夏电力,2014(6):37-42.
9
李磊.
新时代下电网调度自动化技术的发展分析[J]
.硅谷,2012,5(8):4-5.
被引量:2
10
於冬雪,李扬,周毅波.
南宁地区负荷特性及温度相关性分析[J]
.电力需求侧管理,2013,15(5):6-10.
被引量:2
云南电力技术
2006年 第2期
职称评审材料打包下载
相关作者
内容加载中请稍等...
相关机构
内容加载中请稍等...
相关主题
内容加载中请稍等...
浏览历史
内容加载中请稍等...
;
用户登录
登录
IP登录
使用帮助
返回顶部