搜索结果: 1-11 共查到“计算机科学技术 负荷预测”相关记录11条 . 查询时间(0.253 秒)
基于概念格的神经网络日最大负荷预测输入参数选择
神经网络 概念格 属性约简 负荷预测
2011/1/26
针对电力系统中影响负荷预测精度的众多因素如何选择问题, 提出一种概念格属性约简算法, 采用该算法挖掘出与待预测负荷量相关性较大的各属性作为神经网络预测模型的输入参数, 降低了输入参数规模, 确保了负荷预测模型输入参数的合理性, 解决了神经网络模型输入参数的确定问题. 通过对重庆市某区实际日最大负荷数据的计算分析, 结果表明该算法提高了神经网络模型的预测精度, 从而证实了所提出约简算法的合理性和有效...
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
短期负荷预测 自适应变系数粒子群 泛化能力
2009/9/25
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(AVCPSO-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...
基于遗传算法优化参数的支持向量机短期负荷预测方法
遗传算法 支持向量机 参数优化
2009/8/31
通过研究参数选择和支持向量机预测能力的影响，建立利用遗传算法优化参数的支持向量机负荷预测系统。通过遗传算法对支持向量机(SVM)预测模型的各项参数进行寻优预处理，找到最优的参数取值，然后，代入支持向量机SVM预测模型中，得基于遗传算法的支持向量机(GA-SVM)模型，利用此模型对短期电力负荷进行预测研究。通过实例验证，选择河北某地区2005−03−02至2007−...
基于BP网的中长期负荷预测因素优化选择
BP网络 中长期负荷预测 方差贡献法
2009/8/6
基于人工神经网络原理，设计一个由输入层、隐含层和输出层组成的三层BP网络模型，利用神经网络高度非线性建模能力，选取影响电力负荷的一些经济因素作为BP人工神经网络的输入变量，采用新定义的方差贡献法对输入变量进行优化选择，对预测精度的影响进行探讨。仿真结果证明，采用方差贡献法对影响中长期电力负荷预测的相关因素进行优化选择是可行有效的。
改进GA-BPNN在短期电力负荷预测中的应用
人工神经网络 反向传播 预测
2009/7/22
为了避免传统方法预测短期电力负荷建模复杂性，将改进遗传算法（GA）和误差反向传播（BP）算法相结合构成的混合算法用于训练人工神经网络，结合电力负荷历史数据，对短期电力负荷进行仿真预测。仿真结果表明，该混合算法有效地解决了常规BP算法学习网络权值收敛速度慢、易陷入局部极小和GA算法独立训练神经网络速度缓慢等问题，具有较快的收敛速度和较高的预测精度。
基于SGOA神经网络的短期负荷预测
神经网络 短期负荷预测 电力系统
2009/6/24
短期负荷预测的结果对电力系统的经济效益具有重要影响。针对多极值问题，首次提出了一种体现大融合思想的共享式全局寻优算法，将几种全局寻优算法有机组合，使它们共享优化信息，协同寻优，从而形成最丰富的寻优机制，达到最强的全局寻优能力。并且为了从根本上提高短期电力负荷预测中神经网络的速度和预测精度，提出了将SGOA算法和BP算法相结合的短期负荷预测方法，用SGOA算法来训练网络参数，直到误差趋于一稳定值，然...
考虑气象因素的用电负荷预测软件包
用电负荷 气象因素 软件包
2009/2/24
数据挖掘技术，建立了可综合考虑各种非负荷因素(主要是各种气象因素)与用电负荷之间关系的数学模型，该模型具有以下特点：可处理海量数据：随着数据库和信息技术的不断进步，课题组所能应用于负荷预测的信息是海量的。包括SCADA系统提供的负荷信息、气象部门提供的各种气象信息及其它影响负荷的相关信息等。对于负荷预测来说，这些信息具有信息量大、影响囚素复杂等特点。这些海量的信息一方面给精确预测负荷提供了可能，另...
修正指数曲线在电力负荷预测中的应用
电力系统 负荷预测 修正指数曲线
2008/12/30
在现有文献研究的基础上，对修正指数曲线预测法作了进一步研究，给出了修正指数曲线参数估计的一种新方法。该方法将最优化方法与回归方法结合在一起，利用最优化理论中的区间搜索和一维搜索得到一系列 值，利用回归方法可求得与其相对应的一系列a和b的值，当 取最优 时，a和b 便得到最优值 和 。经示例计算表明，这种改进的预测方法具有较高的精度。
应用模糊神经网络进行负荷预测的研究
模糊神经网络 短期负荷预测 经济预测
2008/11/26
应用模糊神经网络实现的预测系统通过对历史数据的自适应学习获得初始的模糊
预测模型,借助等价结构的ANN基于实时数据的梯度信息对系统参数进行BP训练,具有较
强的适应性和自学习能力.以电力短期负荷预测(STLF)为应用背景,进行了系统化的实验研
究,结果表明这一智能化的预测系统的性能是令人满意的.
基于BP-GA混合学习算法的神经网络短期负荷预测
2007/12/13
Abstract本文提出了修正的遗传算法和BP算法相结合的短期负荷预测方法，与传统神经网络方
法相比，该方法可以加快网络学习速度和提高学习精度．我们用遗传算法来训练网络参数，
直到误差趋于一稳定值，然后用优化的权值进行BP算法，实现短期负荷预测．在构建网络模
型时，我们考虑了气候因素的影响，并把它作为网络的一组输入点．实验结果表明基于这一
方法的负荷预测系统较高的精度和实时性．
应用神经网络进行短期负荷预测
2007/8/8
应用神经网络进行短期负荷预测
罗 枚 （陕西纺织服装职业技术学院， 咸阳 712000） ［摘要］ 以某地区购网有功功率的负荷数据为背景，建立了3个BP神经网络负荷预测模型——SDBP，LMBP及BRBP模型进行短期负荷预测工作，并对其结果进行比较。针对传统的BP算法具有训练速度慢，易陷入局部最小点的缺点，采用具有较快收敛速度及稳定性的L-M （Levenberg-M...