期刊文献+

短期电力负荷非线性预测模型的比较 被引量:6

The Comparison of Short-TermElectric Power Load Non-linearForecasting Models
下载PDF
导出
摘要 总结和分析了目前流行的电力系统短期负荷非线性预测方法,包括时间序列法、组合预测法、神经网络法、小波法和支持向量法。通过实例说明它们在电力系统短期负荷预测中计算速度和精度。 Some recently popular non-linear forecast methods of short-term electric power load, including time series method, combining forecast method, nerve network method, wavelet method, and support vector method(SVM), were summarized and analyzed. Their calculation and precisions were illustrated by the example.
作者 胡国胜 任震
出处 《电气应用》 北大核心 2005年第1期48-53,共6页 Electrotechnical Application
基金 国家自然科学基金项目(50077008)广东省自然科学基金项目(033044)
关键词 电力系统 短期负荷预测 时间序列法 组合预测法 小波法 非线性预测 神经网络 power load forecast forecast model time series nerve network wavelet SVM
  • 相关文献

参考文献16

二级参考文献18

  • 1王应明,傅国伟.基于不同误差准则和范数的组合预测方法研究[J].控制与决策,1994,9(1):20-28. 被引量:43
  • 2文福拴,韩祯祥.模拟进化优化方法在电力系统中的应用综述(上)[J].电力系统自动化,1996,20(1):59-62. 被引量:18
  • 3杨奇逊(Yang qixun).微型机继电保护基础(Principle of micro-based electric power protection)[M].北京:中国电力出版社(Beijing:China Electric Power Publish House),1997.. 被引量:1
  • 4[1]T. Masters ,Neural,Novel& Hybird Algorithms for Tim Series Pre-diction[M], John Wiley & Sons. Inc., 1995. 被引量:1
  • 5[2]A. D. Papalexopoulos and T. C. Hesterberg , A regression based approach to short term system load forecasting[C], Proceedings of 1989 PICA Conference , 1989:414-423, 被引量:1
  • 6[3]K. L. Ho , Y. Y. Hsu , C. F. Chen , T. E. Lee , C. C. Liang , T . S. Lai , and K. K. Chen , Short term load foreasting of Taiwan power system using a knowledge-based expert system[J], IEEE Tans.on Power Systems , 1990,5(4):1214-1221. 被引量:1
  • 7[4]A.M. Lanchlan , An improved novelty criterion for resource allocating networks[C] , IEE ,Artifical Neural Networks , Conference Publication , 1997:440:48-52 被引量:1
  • 8[5]D.Srinivasan, S.S.Tan , C.S.Chang and E.K.Chan ,Practical im-plentation of a hybrid fuzzy neural network for one-day-ahead load forecasting[J], IEE Proc.-Gener. Transm,1998.11(6):687-692. 被引量:1
  • 9[6]V.N. Vapnik ,The nature of statistical learning theory[M], New York: Springer, 1999. 被引量:1
  • 10[7]A. Smola and B. Scholkopf , A tutorial on support vector regression[M], NeuroCOLT Tech. Rep. TR 1998-030, Royal Holloway College , London , U.K., 1998. 被引量:1

共引文献394

同被引文献47

引证文献6

二级引证文献56

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...
;
使用帮助 返回顶部