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
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于PMU的降阶二次状态估计算法研究
被引量:
2
1
作者
蒋建东
杜耀恒
+1 位作者
燕跃豪
鲍薇
《郑州大学学报(工学版)》
CAS
北大核心
2017年第2期50-54,共5页
针对当前电力系统中同步相量测量单元(PMU)测量点少、无法直接进行状态估计的问题,提出一种新的状态估计算法.考虑到PMU系统量测精度比SCADA系统高,为了扩大高精度量测信息对状态估计结果的影响,算法将状态变量分成PMU可观测变量和PMU...
针对当前电力系统中同步相量测量单元(PMU)测量点少、无法直接进行状态估计的问题,提出一种新的状态估计算法.考虑到PMU系统量测精度比SCADA系统高,为了扩大高精度量测信息对状态估计结果的影响,算法将状态变量分成PMU可观测变量和PMU不可观测变量,并分别进行状态估计.对于PMU可观测变量,利用PMU量测量进行线性状态估计;对于PMU不可观测变量,利用线性状态估计的结果结合SCADA量测量进行降阶的快速分解状态估计.这种解耦的算法相对于传统混合状态估计算法计算更加简洁,并且有较高的数值稳定性.最后,利用多个IEEE标准测试系统对算法进行验证,通过与基本加权最小二乘法和快速分解算法对比,证明该算法在数值稳定性和精度上有很大优势.
展开更多
关键词
电力系统
状态估计
同步相量测量单元
降阶算法
下载PDF
职称材料
基于GRU网络的配电网故障数量等级预测方法
被引量:
1
2
作者
高金峰
庞昊
杜耀恒
《郑州大学学报(工学版)》
CAS
北大核心
2019年第5期38-43,共6页
配电网故障数量的多少直接影响配电网的运行维护与用户的用电体验,目前业界关于配电网故障数量等级预测的研究较少.给出了一种基于GRU网络的配电网故障数据分析与故障数量等级预测方法.通过条件熵来衡量配电网故障数量等级的历史依赖性...
配电网故障数量的多少直接影响配电网的运行维护与用户的用电体验,目前业界关于配电网故障数量等级预测的研究较少.给出了一种基于GRU网络的配电网故障数据分析与故障数量等级预测方法.通过条件熵来衡量配电网故障数量等级的历史依赖性,采用距离相关系数对诸多气象特征因素进行相关性强弱考察,筛选出最优特征子集,最后通过训练GRU网络实现了配电网故障数量等级的预测.算例结果证明了预测方法的有效性.
展开更多
关键词
配电网故障数量等级
循环神经网络
GRU网络
历史依赖性
相关性
下载PDF
职称材料
基于时间卷积网络分位数回归的短期负荷概率密度预测方法
被引量:
35
3
作者
庞昊
高金峰
杜耀恒
《电网技术》
EI
CSCD
北大核心
2020年第4期1343-1349,共7页
为了获得电力系统短期负荷的概率性信息,将分位数回归理论与深度学习算法相结合,提出了一种基于时间卷积网络分位数回归的概率密度预测方法。首先利用距离相关系数衡量不同天气因素与短期负荷的相关性强弱,以此确定输入数据集合;其次通...
为了获得电力系统短期负荷的概率性信息,将分位数回归理论与深度学习算法相结合,提出了一种基于时间卷积网络分位数回归的概率密度预测方法。首先利用距离相关系数衡量不同天气因素与短期负荷的相关性强弱,以此确定输入数据集合;其次通过融合注意力机制的时间卷积网络分位数回归算法预测不同分位数条件下的负荷值;最后利用核密度估计得到待测负荷的概率密度分布。采用中国华东某地的历史负荷数据验证分析,结果表明该方法可以细致刻画待测负荷的概率密度分布,其众数和中位数对预测负荷实际值具有参考意义。
展开更多
关键词
短期负荷预测
概率密度
分位数回归
距离相关系数
时间卷积网络
注意力机制
下载PDF
职称材料
基于多神经网络融合的短期负荷预测方法
被引量:
29
4
作者
庞昊
高金峰
杜耀恒
《电力自动化设备》
EI
CSCD
北大核心
2020年第6期37-42,共6页
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...
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,所提方法具有更高的预测平稳性和准确性。
展开更多
关键词
短期负荷预测
多神经网络融合
门控循环单元网络
卷积神经网络
注意力机制网络
Maxout网络
下载PDF
职称材料
题名
基于PMU的降阶二次状态估计算法研究
被引量:
2
1
作者
蒋建东
杜耀恒
燕跃豪
鲍薇
机构
郑州大学电气工程学院
国家电网郑州供电公司
出处
《郑州大学学报(工学版)》
CAS
北大核心
2017年第2期50-54,共5页
基金
国家自然科学基金资助项目(51507155)
中国博士后科学基金资助项目(2013M541990)
+1 种基金
河南省基础与前沿技术研究计划资助项目(152300410046)
河南省教育厅科学技术研究重点资助项目(14A470002)
文摘
针对当前电力系统中同步相量测量单元(PMU)测量点少、无法直接进行状态估计的问题,提出一种新的状态估计算法.考虑到PMU系统量测精度比SCADA系统高,为了扩大高精度量测信息对状态估计结果的影响,算法将状态变量分成PMU可观测变量和PMU不可观测变量,并分别进行状态估计.对于PMU可观测变量,利用PMU量测量进行线性状态估计;对于PMU不可观测变量,利用线性状态估计的结果结合SCADA量测量进行降阶的快速分解状态估计.这种解耦的算法相对于传统混合状态估计算法计算更加简洁,并且有较高的数值稳定性.最后,利用多个IEEE标准测试系统对算法进行验证,通过与基本加权最小二乘法和快速分解算法对比,证明该算法在数值稳定性和精度上有很大优势.
关键词
电力系统
状态估计
同步相量测量单元
降阶算法
Keywords
power systems
state estimatlon
PMU
reduced-order method
分类号
TM744 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于GRU网络的配电网故障数量等级预测方法
被引量:
1
2
作者
高金峰
庞昊
杜耀恒
机构
郑州大学产业技术研究院
国家电网烟台供电公司
出处
《郑州大学学报(工学版)》
CAS
北大核心
2019年第5期38-43,共6页
文摘
配电网故障数量的多少直接影响配电网的运行维护与用户的用电体验,目前业界关于配电网故障数量等级预测的研究较少.给出了一种基于GRU网络的配电网故障数据分析与故障数量等级预测方法.通过条件熵来衡量配电网故障数量等级的历史依赖性,采用距离相关系数对诸多气象特征因素进行相关性强弱考察,筛选出最优特征子集,最后通过训练GRU网络实现了配电网故障数量等级的预测.算例结果证明了预测方法的有效性.
关键词
配电网故障数量等级
循环神经网络
GRU网络
历史依赖性
相关性
Keywords
number of faults in distribution network
RNN
GRU neural network
historical dependence
relevance
分类号
TM755 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于时间卷积网络分位数回归的短期负荷概率密度预测方法
被引量:
35
3
作者
庞昊
高金峰
杜耀恒
机构
郑州大学电气工程学院
国家电网山东省电力公司烟台市供电公司
出处
《电网技术》
EI
CSCD
北大核心
2020年第4期1343-1349,共7页
文摘
为了获得电力系统短期负荷的概率性信息,将分位数回归理论与深度学习算法相结合,提出了一种基于时间卷积网络分位数回归的概率密度预测方法。首先利用距离相关系数衡量不同天气因素与短期负荷的相关性强弱,以此确定输入数据集合;其次通过融合注意力机制的时间卷积网络分位数回归算法预测不同分位数条件下的负荷值;最后利用核密度估计得到待测负荷的概率密度分布。采用中国华东某地的历史负荷数据验证分析,结果表明该方法可以细致刻画待测负荷的概率密度分布,其众数和中位数对预测负荷实际值具有参考意义。
关键词
短期负荷预测
概率密度
分位数回归
距离相关系数
时间卷积网络
注意力机制
Keywords
short-term load forecasting
probability density
quantile regression
distance correlation coefficient
time convolution network
attention mechanism
分类号
TM721 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于多神经网络融合的短期负荷预测方法
被引量:
29
4
作者
庞昊
高金峰
杜耀恒
机构
郑州大学产业技术研究院
国家电网山东省电力公司烟台市供电公司
出处
《电力自动化设备》
EI
CSCD
北大核心
2020年第6期37-42,共6页
文摘
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,所提方法具有更高的预测平稳性和准确性。
关键词
短期负荷预测
多神经网络融合
门控循环单元网络
卷积神经网络
注意力机制网络
Maxout网络
Keywords
short-term load forecasting
fusion of multiple neural networks
gated recurrent unit network
con⁃volutional neural network
attention mechanism network
Maxout network
分类号
TM732 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于PMU的降阶二次状态估计算法研究
蒋建东
杜耀恒
燕跃豪
鲍薇
《郑州大学学报(工学版)》
CAS
北大核心
2017
2
下载PDF
职称材料
2
基于GRU网络的配电网故障数量等级预测方法
高金峰
庞昊
杜耀恒
《郑州大学学报(工学版)》
CAS
北大核心
2019
1
下载PDF
职称材料
3
基于时间卷积网络分位数回归的短期负荷概率密度预测方法
庞昊
高金峰
杜耀恒
《电网技术》
EI
CSCD
北大核心
2020
35
下载PDF
职称材料
4
基于多神经网络融合的短期负荷预测方法
庞昊
高金峰
杜耀恒
《电力自动化设备》
EI
CSCD
北大核心
2020
29
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部