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
基于WT-IPSO-BPNN的电力系统短期负荷预测
被引量:
10
1
作者
康义
师刘俊
郭刚
《电气技术》
2021年第1期23-28,62,共7页
鉴于短期负荷预测精度对电力系统安全、经济和可靠运行的重要性,为提高预测精度,本文提出了基于小波分解(WT)、改进粒子群算法(IPSO)和BP神经网络的组合预测模型。首先运用小波分解对负荷数据预处理,将历史数据分解成cd1、cd2、cd3以及c...
鉴于短期负荷预测精度对电力系统安全、经济和可靠运行的重要性,为提高预测精度,本文提出了基于小波分解(WT)、改进粒子群算法(IPSO)和BP神经网络的组合预测模型。首先运用小波分解对负荷数据预处理,将历史数据分解成cd1、cd2、cd3以及ca3;然后对分解后的小波序列分别进行神经网络建模和预测;最后小波重构负荷序列的最终预报。为提高BP神经网络所需样本的精确性和神经网络的收敛速度及稳定性,采用改进粒子群算法优化网络,形成了“分解-预测-重构”模型。经实例验证,与小波分解BP神经网络方法相比,本文所提方法具有训练学习能力更强、收敛速度更快、预测精度高和适应能力更强的优点。
展开更多
关键词
小波分解
粒子群算法
BP神经网络
负荷预测
下载PDF
职称材料
基于灰狼算法优化支持向量机的变压器故障诊断
被引量:
3
2
作者
熊军华
师刘俊
康义
《信息技术与信息化》
2020年第11期144-147,共4页
针对变压器故障诊断准确率不高的问题,本文提出一种基于灰狼算法(GWO)优化支持向量机(SVM)的变压器故障诊断模型。对比分析灰狼优化算法、粒子群算法、网格寻优算法建立GWO-SVM模型、PSO-SVM模型、Grid-Search-SVM模型,并用仿真软件MAT...
针对变压器故障诊断准确率不高的问题,本文提出一种基于灰狼算法(GWO)优化支持向量机(SVM)的变压器故障诊断模型。对比分析灰狼优化算法、粒子群算法、网格寻优算法建立GWO-SVM模型、PSO-SVM模型、Grid-Search-SVM模型,并用仿真软件MATLAB进行验证分析,结果证明GWO-SVM模型比PSO-SVM模型、Grid-Search-SVM模型在变压器故障诊断中具有更高的故障诊断准确率。
展开更多
关键词
灰狼优化算法
支持向量机
故障诊断
参数优化
下载PDF
职称材料
题名
基于WT-IPSO-BPNN的电力系统短期负荷预测
被引量:
10
1
作者
康义
师刘俊
郭刚
机构
华北水利水电大学电力学院
郑州上控电气技术有限公司
国网河北省电力
有限公司
邯郸供电
公司
出处
《电气技术》
2021年第1期23-28,62,共7页
基金
河南省科技攻关项目(182102210335)
河南省高等学校重点科研项目(19A470002)
河北省电力公司科技项目(5204HD20000N)。
文摘
鉴于短期负荷预测精度对电力系统安全、经济和可靠运行的重要性,为提高预测精度,本文提出了基于小波分解(WT)、改进粒子群算法(IPSO)和BP神经网络的组合预测模型。首先运用小波分解对负荷数据预处理,将历史数据分解成cd1、cd2、cd3以及ca3;然后对分解后的小波序列分别进行神经网络建模和预测;最后小波重构负荷序列的最终预报。为提高BP神经网络所需样本的精确性和神经网络的收敛速度及稳定性,采用改进粒子群算法优化网络,形成了“分解-预测-重构”模型。经实例验证,与小波分解BP神经网络方法相比,本文所提方法具有训练学习能力更强、收敛速度更快、预测精度高和适应能力更强的优点。
关键词
小波分解
粒子群算法
BP神经网络
负荷预测
Keywords
wavelet decomposition
particle swarm optimization(PSO)
BP neural network(BPNN)
load forecasting
分类号
TM715 [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
基于灰狼算法优化支持向量机的变压器故障诊断
被引量:
3
2
作者
熊军华
师刘俊
康义
机构
华北水利水电大学电力学院
不详
郑州上控电气技术有限公司
出处
《信息技术与信息化》
2020年第11期144-147,共4页
文摘
针对变压器故障诊断准确率不高的问题,本文提出一种基于灰狼算法(GWO)优化支持向量机(SVM)的变压器故障诊断模型。对比分析灰狼优化算法、粒子群算法、网格寻优算法建立GWO-SVM模型、PSO-SVM模型、Grid-Search-SVM模型,并用仿真软件MATLAB进行验证分析,结果证明GWO-SVM模型比PSO-SVM模型、Grid-Search-SVM模型在变压器故障诊断中具有更高的故障诊断准确率。
关键词
灰狼优化算法
支持向量机
故障诊断
参数优化
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TM41 [电气工程—电器]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于WT-IPSO-BPNN的电力系统短期负荷预测
康义
师刘俊
郭刚
《电气技术》
2021
10
下载PDF
职称材料
2
基于灰狼算法优化支持向量机的变压器故障诊断
熊军华
师刘俊
康义
《信息技术与信息化》
2020
3
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