基于蚁群算法的电力负荷预测被引量：2

Electric Power Load Predictor Based on Ant Colony Algorithm

下载PDF

导出

摘要电力系统的负荷预测是电力系统安全调度、经济运行和科学管理的基础,也是电力系统制定发展规划的前提。在目前已存在的负荷预测技术中,对时间跨度大、影响因素多、非线性的中长期负荷的预测,并不能达到要求的精度。因此,本文选用对非线性问题有显著优化效果的仿生算法——蚁群算法,与组合预测技术相结合,解决组合预测中权重系数难以确定的问题,合理的筛选单个预测模型,获得良好的预测效果。

作者孙海萌孙君茹

机构地区国网江苏徐州供电公司

出处《农村电气化》 2018年第10期9-10,共2页 Rural Electrification

关键词电力系统蚁群算法负荷预测

分类号 TM615 [电气工程—电力系统及自动化]

引文网络
相关文献

参考文献2

1段海滨著..蚁群算法原理及其应用[M].北京:科学出版社,2005:447.
2魏伟,牛东晓,常征.负荷预测技术的新进展[J].华北电力大学学报（自然科学版）,2002,29(1):10-15. 被引量：60

二级参考文献4

1牛东晓,陈志业.交叉灰色预测法预测发电设备可靠性指标[J].中国电机工程学报,1993,13(4):25-30. 被引量：11
2邓聚龙.灰色系统基本方法[M].武汉：华中理工大学出版社,1988.. 被引量：119
3谢敬东,唐国庆,徐高飞,陈高文.组合预测方法在电力负荷预测中的应用[J].中国电力,1998,31(6):3-5. 被引量：89
4牛东晓,邢棉.时间序列的小波神经网络预测模型的研究[J].系统工程理论与实践,1999,19(5):89-92. 被引量：69

共引文献59

1杨昭,金国民,苗志彬.基于模糊-RBF BP神经网络的天然气负荷预测[J].暖通空调,2005,35(3):96-99. 被引量：6
2强同波.几种电力负荷预测方法在用电分析系统中的应用[J].山东电力高等专科学校学报,2005,8(1):68-71. 被引量：4
3彭世尼,苏小红,黄强.城市燃气负荷预测方法及其分析[J].重庆建筑大学学报,2005,27(4):137-141. 被引量：9
4袁张伟,杜秀华.工业企业用户短期负荷预测的仿真研究[J].计算机仿真,2005,22(9):192-194. 被引量：4
5李建云,曾次玲,谢培元.基于组合预测模型的长沙市长期负荷预测[J].长沙电力学院学报（自然科学版）,2005,20(3):23-26. 被引量：6
6刘伟.电力市场报价模型研究[J].天津电力技术,2005(B11):12-15. 被引量：1
7薛娟,张筱慧.两次拟合灰色模型在中长期电力负荷预测中的运用[J].沈阳农业大学学报,2005,36(6):736-738. 被引量：1
8严军,赵成旺,顾幸生.基于自适应滤波的日负荷预测新陈代谢模型[J].华东理工大学学报（自然科学版）,2006,32(7):821-824.
9牛东晓,成功,张博,王海峰.基于MPCA-RBFNN的神经网络在中长期电力负荷预测中的应用[J].华北电力大学学报（自然科学版）,2007,34(3):77-79. 被引量：6
10王刚,刘大勇.评估系统在短期负荷预测模型中的应用[J].沈阳工程学院学报（自然科学版）,2007,3(3):260-262.

同被引文献30

1马军建,董增川,王春霞,陈康宁.蚁群算法研究进展[J].河海大学学报（自然科学版）,2005,33(2):139-143. 被引量：21
2王琨,刘青松.蚁群算法在电力系统机组优化组合中的应用研究[J].电力学报,2005,20(2):112-115. 被引量：2
3黄健,张尧,李绮雯.蚁群算法在配电网重构的应用[J].电力系统及其自动化学报,2007,19(4):59-64. 被引量：30
4李哲,夏立.改进蚁群算法求解船舶电力系统故障重构问题[J].电力系统及其自动化学报,2009,21(2):47-52. 被引量：13
5陈皓勇,王锡凡.机组组合问题的优化方法综述[J].电力系统自动化,1999,23(4):51-56. 被引量：140
6章小强,管霖,王同文.针对特征选择问题的改进蚁群算法及其在电力系统安全评估中的应用[J].电工技术学报,2010,25(12):154-160. 被引量：10
7苏杨.改进连续蚁群算法及其在经济负荷分配问题中的应用[J].机电工程技术,2011,40(10):104-108. 被引量：3
8张一荻,管霖.蚁群算法在发电机动态参数聚合中的应用[J].电力系统保护与控制,2012,40(2):23-27. 被引量：5
9谭松柏,谭剑,黄亮,胡少强.带免疫的蚁群算法用于电力系统无功优化[J].广东电力,2012,25(1):92-96. 被引量：1
10刘迅,黄纯.蚁群算法在超高压输电线路故障测距的应用[J].电力系统及其自动化学报,2012,24(5):132-137. 被引量：11

引证文献2

1李卓,古庭赟.蚁群算法在电力系统中的应用评述[J].新型工业化,2019,9(5):108-113. 被引量：2
2徐江,冯雪,付兆庆,马宝明,苗耀庭.基于主成分分析和正则化神经网络的电力负荷预测方法[J].内蒙古电力技术,2021,39(4):33-37. 被引量：7

二级引证文献9

1廖珩.柔性交直流混合配电网系统暂态特性及可靠性分析[J].新型工业化,2019,9(8):23-26.
2何奔洋.基于蚁群算法的柔性作业车间问题求解[J].新型工业化,2021,11(9):112-114. 被引量：3
3吕风磊,胡鹏飞,王银忠,王燕,陈晓琳,车文学.基于大数据技术的停电计划辅助决策研究[J].电力大数据,2022,25(3):9-16. 被引量：2
4徐轶丹,周晨梦,黄绍书,王枫,陈飞,胡洁.基于变分模态分解-样本熵-延迟互信息-深度信念网络的短期负荷预测模型[J].电力大数据,2022,25(10):10-20. 被引量：2
5李连浩,孙孟起,张立伟,赵楠,常家维.基于合作博弈的工业热能发展与电力营销优化配置模型研究[J].煤化工,2023,51(2):116-120. 被引量：3
6刘喜生.基于进化神经网络的短期电网负荷预测算法[J].电力大数据,2023,26(4):11-18.
7陆嘉铭,奚增辉,瞿海妮,许唐云,姚嵘,屈志坚.电力量测数据缺失补齐方法研究与实践[J].电力大数据,2023,26(7):40-49. 被引量：1
8邹鑫,罗涓.用梯度提升决策树实现电力负荷非线性影响因素分析[J].电力科学与工程,2024,40(3):10-19. 被引量：1
9苏良立,王敏楠,余仰淇,肖娅晨,肖戈.基于稀疏学习的电力大数据压缩与高精度重建[J].电子设计工程,2024,32(14):68-72.

1李辉,陈耀,丁杰,赵爱芳,朱珞敬.基于TOPSIS和递归等权法的中长期负荷组合预测[J].浙江电力,2018,37(3):26-30. 被引量：4
2郑海雁,王成亮.基于用电大数据的中长期负荷预测研究[J].电测与仪表,2018,55(13):74-77. 被引量：18
3胡吟.新形势下电力调度的安全管理分析[J].企业技术开发,2018,37(4):121-123. 被引量：2
4薛嵩昶.电网规划中长期负荷预测技术的研究[J].中国战略新兴产业,2018(9X):19-19. 被引量：3
5肖晶,陈晋,周恒俊,王蓓蓓,王琛,李扬.基于行业负荷预测技术的城市核心配电网自适应规划[J].电力系统及其自动化学报,2017,29(12):55-62. 被引量：4
6曾瑾文,殷晓越,殷艺.配电网的安全调度管理及对策[J].大众用电,2018,0(4):40-40.
7钟宏宇,王超,张旭光,赵家志,赵立峰,任俊明.组合预测技术在风电中的研究分析[J].电器与能效管理技术,2018(16):60-66. 被引量：4
8王小平,李阳,雍军,张浩,何冰,郑涛,程潜善,方华亮.电力系统中长期负荷预测的大数据分析[J].智能电网（汉斯）,2014,4(6):207-215. 被引量：1
9赵军,苏鹏伟,安青松,王丹,穆云飞,邓帅.面向分布式能源系统优化的负荷预测研究进展[J].电力系统及其自动化学报,2018,30(8):12-18. 被引量：9
10吉博文,吴张傲.指数平滑法在电力系统负荷预测中的应用[J].科技创新与应用,2018,8(30):173-174. 被引量：7

农村电气化

2018年第10期

浏览历史

内容加载中请稍等...

基于蚁群算法的电力负荷预测被引量：2

参考文献2

二级参考文献4

共引文献59

同被引文献30

引证文献2

二级引证文献9

相关作者

相关机构

相关主题

浏览历史

基于蚁群算法的电力负荷预测 被引量：2

参考文献2

二级参考文献4

共引文献59

同被引文献30

引证文献2

二级引证文献9

相关作者

相关机构

相关主题

浏览历史

基于蚁群算法的电力负荷预测被引量：2