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
关于中期负荷预报方法的探讨
被引量:
1
下载PDF
职称材料
导出
摘要
文章对中期负荷预报的各种方法进行了分析,提出了采用新的技术──人工神经网络方法,其主要思路是依据历史负荷资料,通过BP算法,自动形成相应的预测模型,使之能较好地反映出负荷的变化趋势。由于人工神经网络有较强的自学习功能,毋须事先选择函数,计算简单、修改方便,通过算例的计算,可以看出其预报的精度,是建立中期负荷预报模型的一种有效方法。
作者
周晖
机构地区
北京电力专科学校
出处
《华北电力技术》
CAS
北大核心
1995年第4期36-39,共4页
North China Electric Power
关键词
中期负荷预报
神经网络
电网
管理
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
6
参考文献
2
共引文献
31
同被引文献
10
引证文献
1
二级引证文献
17
参考文献
2
1
韩祯祥,文福栓.
人工神经元网络在电力系统中应用的新进展(一)[J]
.电力系统自动化,1993,17(1):53-59.
被引量:29
2
宋永华,韩英铎,王仲鸿.
人工神经网络及其在电力系统中的应用[J]
.电网技术,1991,15(1):52-61.
被引量:4
二级参考文献
6
1
岑文辉,孔慧,李国有.
应用人工神经网络分析电力系统n-1故障安全性[J]
.电力系统及其自动化学报,1991,3(1):1-7.
被引量:2
2
张承福.神经网络系统[J]力学进展,1988(02).
3
J. J. Hopfield,D. W. Tank. “Neural” computation of decisions in optimization problems[J] 1985,Biological Cybernetics(3):141~152
4
Teuvo Kohonen. Self-organized formation of topologically correct feature maps[J] 1982,Biological Cybernetics(1):59~69
5
韩祯祥,文福拴.
人工智能及其在电力系统中的应用—从专家系统到人工神经元网络[J]
.电力系统自动化,1991,15(3):5-15.
被引量:34
6
于继来,郭志忠,柳焯.
采用神经暂态元网络技术的电力系统暂态安全分析[J]
.电力系统自动化,1991,15(3):44-50.
被引量:8
共引文献
31
1
刘静,杨国杰,刘秀玲,李维健.
配电网理论线损计算算法比较[J]
.河北工业大学成人教育学院学报,2008,23(4):34-38.
2
韩祯祥,文福拴.
电力系统中专家系统的应用综述[J]
.电力系统自动化,1993,17(3):51-56.
被引量:17
3
安德洪,韩文秀,岳毅宏.
组合预测法的改进及其在负荷预测中的应用[J]
.系统工程与电子技术,2004,26(6):842-844.
被引量:25
4
韩晓言,韩祯祥.
人工神经元网络负荷静态特性辨识的并行算法[J]
.电力系统自动化,1994,18(11):21-26.
5
刘耀年,宗伟.
神经网络及其在电力系统中的应用实例[J]
.吉林电力技术,1994(1):58-61.
6
周晖,丛波.
基于人工神经网络的水轮发电机组效率曲线的计算[J]
.水电能源科学,1994,12(2):132-137.
被引量:4
7
商国才.
神经元与神经网络(连载三)[J]
.电力情报,1995(1):68-72.
8
周晖.
水电站水能计算中数据处理的一种方法[J]
.广西水利水电,1995(1):40-44.
被引量:1
9
蔡超豪.
利用神经网络检测电力系统的暂态稳定[J]
.华北电力技术,1995(2):30-33.
10
刘玉田,张波.
智能控制与电力系统[J]
.山东电力技术,1996,23(1):22-24.
同被引文献
10
1
邹尚辉.
江汉平原洪涝灾害遥感监测方法[J]
.华中师范大学学报(自然科学版),1996,30(1):96-100.
被引量:4
2
胡基才,尚涛,杨楠.
热释电传感器对高压线的故障诊断研究[J]
.华中师范大学学报(自然科学版),1996,30(4):428-432.
被引量:1
3
邓宗琦.
混沌学的历史和现状[J]
.华中师范大学学报(自然科学版),1997,31(4):492-500.
被引量:8
4
王增银.
概率统计分析法在运城市城区地下水资源计算中的作用[J]
.水文水资源,1998,19(1):8-12.
被引量:2
5
吴功平,郭应龙,胡杰,金汉均,肖晓晖.
小波神经网络在输电导线断股故障诊断中的应用[J]
.华中师范大学学报(自然科学版),1999,33(1):65-69.
被引量:3
6
李新民,余刚鹏,刘明,黄翔,赵俊华.
长江中游地区水资源利用[J]
.华中师范大学学报(自然科学版),1999,33(1):142-144.
被引量:8
7
王新生,姜友华,李仁东,韩志斌.
模拟退火算法及其在非线性地学模型参数估计中的应用[J]
.华中师范大学学报(自然科学版),2001,35(1):103-106.
被引量:10
8
余一娇.
用Hopfield神经网络与遗传算法求解TSP问题的实验比较与分析[J]
.华中师范大学学报(自然科学版),2001,35(2):157-161.
被引量:6
9
陈盛双,胡晓林,黄樟灿,吴方才.
基于遗传算法的冲裁件对头双排算法[J]
.华中师范大学学报(自然科学版),2001,35(2):162-166.
被引量:3
10
曾菊新.
湖北省生态环境系统优化调控初探[J]
.华中师范大学学报(自然科学版),2002,36(3):361-364.
被引量:2
引证文献
1
1
尚涛,安宁,王长德.
基于BP网络的水资源预测方法的研究[J]
.华中师范大学学报(自然科学版),2002,36(4):455-458.
被引量:17
二级引证文献
17
1
陈平,漆文邦,何富刚.
BP神经网络算法在年电力负荷预测中的应用[J]
.四川水利,2005,26(1):23-25.
被引量:3
2
吴滔,袁鹏,戴露,丁义,谢珊.
西藏拉萨河径流预测方法研究[J]
.水利科技与经济,2005,11(2):77-79.
被引量:10
3
王隆基,张仲鹏,孙晓霞.
基于BP神经网络的物流预测方法[J]
.起重运输机械,2005(5):30-32.
被引量:9
4
梁仁君,林振山,陈玲玲.
我国水资源需求量动力学预测及对策建议[J]
.长江流域资源与环境,2005,14(6):704-708.
被引量:9
5
李林,付强.
偏最小二乘回归模型的城市水资源承载能力研究[J]
.水科学进展,2005,16(6):822-825.
被引量:18
6
张衍广,林振山,陈玲玲.
山东省水资源承载力的动力学预测[J]
.自然资源学报,2007,22(4):596-605.
被引量:28
7
张成才,肖俊,胡国华.
湖南省水资源承载力分析[J]
.长沙交通学院学报,2008,24(2):78-84.
被引量:1
8
李林,付强.
偏最小二乘回归与灰色模型耦合预测城市用水量[J]
.长江科学院院报,2008,25(4):20-23.
被引量:5
9
吴保生,尚毅梓,崔兴华,陈植元.
渠道自动化控制系统及其运行设计[J]
.水科学进展,2008,19(5):746-755.
被引量:19
10
崔仰彬,董珊珊,杨曦.
人工神经网络在城市需水量预测中的应用[J]
.水利科技与经济,2009,15(11):988-990.
被引量:4
1
杨洪明,白培林.
基于遗传算法的人工神经网络负荷预报模型[J]
.湖南电力,2000,20(1):6-8.
被引量:6
2
党德玉.
人工神经网络及其电力系统应用综述[J]
.东北电力技术,1996,17(3):58-62.
被引量:4
3
梁年生.
电力系统短期负荷预测的人工神经网络方法[J]
.水电能源科学,1995,13(2):110-115.
被引量:1
4
王陆一.
厂内110kV变电站自动化改造方案[J]
.科技情报开发与经济,2000,10(4):76-77.
5
李新叶.
东京电力公司电网的发展和新型保护的应用[J]
.电力情报,1995(3):63-66.
6
马丽英,王毅敏,赵铭凯.
典型110kV变电站自动化改造方案[J]
.电网技术,1999,23(8):55-57.
7
蒋平.
人工神经网络原理在中期电力负荷预报中的应用[J]
.常州大学学报(自然科学版),1995,20(1):22-30.
8
刘远洋,涂爱民,周军.
自适应模糊预测器在电力系统负荷预测中的应用[J]
.贵州电力技术,2004,7(8):32-34.
9
罗仲达,关治洪.
人工神经网络在电力系统短期负荷预测中的应用[J]
.湖南电力,2002,22(2):10-12.
被引量:7
10
晋伯勋.
回归直线在电力中期负荷预测中的应用[J]
.四川电力技术,1998,21(3):7-10.
被引量:3
华北电力技术
1995年 第4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