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
2
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
自适应变系数粒子群—径向基神经网络模型在负荷预测中的应用
被引量:
5
1
作者
师彪
李郁侠
+3 位作者
于新花
李娜
闫旺
孟欣
《计算机应用》
CSCD
北大核心
2009年第9期2454-2458,共5页
为了提高短期电力负荷预测精度,提出了一种自适应变系数粒子群—径向基函数神经网络混合优化算法(AVCTPO-RBF)。实现了径向基神经网络参数优化。建立了基于该优化算法的短期负荷预测模型,利用贵州电网历史数据进行短期负荷预测。仿真表...
为了提高短期电力负荷预测精度,提出了一种自适应变系数粒子群—径向基函数神经网络混合优化算法(AVCTPO-RBF)。实现了径向基神经网络参数优化。建立了基于该优化算法的短期负荷预测模型,利用贵州电网历史数据进行短期负荷预测。仿真表明,该方法的收敛速度和预测精度优于传统径向基神经网络方法和粒子群—RBF神经网络方法及基于混沌理论的神经网络模型,该优化算法克服了径向基神经网络和传统的粒子群优化方法的缺点,改善了径向基神经网络的泛化能力,提高了贵州电网短期负荷预测的精度,各日预测负荷的平均百分比误差可控制在1.7%以内。该算法可有效用于电力系统的短期负荷预测。
展开更多
关键词
短期负荷预测
自适应变系数粒子群
泛化能力
径向基神经网络
下载PDF
职称材料
自适应变系数PSO-RBF算法及其在预测工程的应用
被引量:
2
2
作者
林大志
王锐利
《现代电子技术》
北大核心
2016年第11期113-115,共3页
RBF神经网络对于非线性预测具有较好的效果,但是其存在容易陷入局部最小值以及收敛速度慢等缺点,研究一种自适应变系数PSO算法对RBF神经网络的初始参数进行优化,之后由RBF神经网络对粒子群算法优化后的网络参数进行精细优化,从而提高神...
RBF神经网络对于非线性预测具有较好的效果,但是其存在容易陷入局部最小值以及收敛速度慢等缺点,研究一种自适应变系数PSO算法对RBF神经网络的初始参数进行优化,之后由RBF神经网络对粒子群算法优化后的网络参数进行精细优化,从而提高神经网络的稳定性以及收敛效率和精度等。自适应变系数PSO算法主要是将自适应递减和递增因子以及自适应调节惯性权重算子策略引入到常规的PSO算法中,从而改进算法在搜索空间中的遍历性,提高寻找全局最优解的概率,提高收敛精度和效率。最后,以炼钢过程中的煤气消耗量与钢铁产量的非线性关系作为预测实例进行研究,使用结果表明,研究的基于自适应变系数PSO-RBF神经网络的预测模型具有很好的预测能力,能够在预测工程中发挥较大的作用。
展开更多
关键词
非线性预测
RBF神经网络
自适应变系数粒子群
算法
煤气量预测
下载PDF
职称材料
题名
自适应变系数粒子群—径向基神经网络模型在负荷预测中的应用
被引量:
5
1
作者
师彪
李郁侠
于新花
李娜
闫旺
孟欣
机构
西安理工大学水利水电学院
青岛科技大学高职业技术学院
出处
《计算机应用》
CSCD
北大核心
2009年第9期2454-2458,共5页
基金
国家火炬计划创新基金资助项目(07C26213711606)
陕西省自然科学基础研究计划项目(SJ08E220)
山东省软科学基金资助项目(2007RKB188)
文摘
为了提高短期电力负荷预测精度,提出了一种自适应变系数粒子群—径向基函数神经网络混合优化算法(AVCTPO-RBF)。实现了径向基神经网络参数优化。建立了基于该优化算法的短期负荷预测模型,利用贵州电网历史数据进行短期负荷预测。仿真表明,该方法的收敛速度和预测精度优于传统径向基神经网络方法和粒子群—RBF神经网络方法及基于混沌理论的神经网络模型,该优化算法克服了径向基神经网络和传统的粒子群优化方法的缺点,改善了径向基神经网络的泛化能力,提高了贵州电网短期负荷预测的精度,各日预测负荷的平均百分比误差可控制在1.7%以内。该算法可有效用于电力系统的短期负荷预测。
关键词
短期负荷预测
自适应变系数粒子群
泛化能力
径向基神经网络
Keywords
short-term load forecasting
Adaptive Variable Coefficients Particle Swarm Optimization (AVCPSO)
generalization capacity
Radial Basis Function (RBF) neural network
分类号
TM614 [电气工程—电力系统及自动化]
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
自适应变系数PSO-RBF算法及其在预测工程的应用
被引量:
2
2
作者
林大志
王锐利
机构
河南牧业经济学院
济源职业技术学院
出处
《现代电子技术》
北大核心
2016年第11期113-115,共3页
文摘
RBF神经网络对于非线性预测具有较好的效果,但是其存在容易陷入局部最小值以及收敛速度慢等缺点,研究一种自适应变系数PSO算法对RBF神经网络的初始参数进行优化,之后由RBF神经网络对粒子群算法优化后的网络参数进行精细优化,从而提高神经网络的稳定性以及收敛效率和精度等。自适应变系数PSO算法主要是将自适应递减和递增因子以及自适应调节惯性权重算子策略引入到常规的PSO算法中,从而改进算法在搜索空间中的遍历性,提高寻找全局最优解的概率,提高收敛精度和效率。最后,以炼钢过程中的煤气消耗量与钢铁产量的非线性关系作为预测实例进行研究,使用结果表明,研究的基于自适应变系数PSO-RBF神经网络的预测模型具有很好的预测能力,能够在预测工程中发挥较大的作用。
关键词
非线性预测
RBF神经网络
自适应变系数粒子群
算法
煤气量预测
Keywords
nonlinear prediction
RBF neural network
adaptive variable coefficient PSO algorithm
gas volume prediction
分类号
TN711-34 [电子电信—电路与系统]
TP393 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
自适应变系数粒子群—径向基神经网络模型在负荷预测中的应用
师彪
李郁侠
于新花
李娜
闫旺
孟欣
《计算机应用》
CSCD
北大核心
2009
5
下载PDF
职称材料
2
自适应变系数PSO-RBF算法及其在预测工程的应用
林大志
王锐利
《现代电子技术》
北大核心
2016
2
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