期刊导航
期刊开放获取
cqvip
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
基于自适应粒子群算法优化支持向量机的负荷预测
被引量：
15
1
作者
廖
庆
陵
窦震海
+1 位作者
孙锴
朱亚玲
《现代电子技术》
2022年第3期125-129,共5页
负荷预测是电力系统调度运行的重要基础数据,短期负荷预测的样本数据既有波动性也有随机性。群体优化算法尤其是粒子群算法在负荷预测中运用非常广泛,但常规粒子群算法的惯性参数一般是固定不变的,导致后期搜索效率下降。文中采用改进...
负荷预测是电力系统调度运行的重要基础数据,短期负荷预测的样本数据既有波动性也有随机性。群体优化算法尤其是粒子群算法在负荷预测中运用非常广泛,但常规粒子群算法的惯性参数一般是固定不变的,导致后期搜索效率下降。文中采用改进的自适应粒子群算法提高搜索效率:首先用混沌初始化替代原来的随机初始化,避免了初始种群分布不均;再根据每次迭代适应度的变化更新惯性因子,可以解决后期寻优速度下降的问题;通过差分变异将适应度较差的粒子进行变异,提高了较差个体更新效率;最后利用改进后的自适应粒子群算法优化支持向量机的关键参数c和g,并进行短期负荷预测。通过测试得到改进后的自适应粒子群算法具有较好的优化效果,并且由自适应粒子群算法优化的支持向量机模型具有更好的预测效果。
展开更多
关键词
混沌初始化
群体算法
惯性因子
自适应粒子群算法
差分变异
支持向量机
负荷预测
下载PDF
职称材料
基于提升小波和改进PSO-Elman神经网络的短期负荷预测
被引量：
11
2
作者
邹浩
窦震海
+3 位作者
张博
朱亚玲
廖
庆
陵
孙锴
《电测与仪表》
北大核心
2020年第21期119-125,共7页
为了提高电力负荷预测的精度,提出基于提升小波和改进PSO-Elman神经网络的短期负荷预测模型。针对负荷的波动性和趋势性,将提升小波算法用于分解原始负荷数据并提取其主要特征,在蚁群算法改进粒子群算法中,采用混沌理论,对部分适应度值...
为了提高电力负荷预测的精度,提出基于提升小波和改进PSO-Elman神经网络的短期负荷预测模型。针对负荷的波动性和趋势性,将提升小波算法用于分解原始负荷数据并提取其主要特征,在蚁群算法改进粒子群算法中,采用混沌理论,对部分适应度值较差的粒子进行混沌扰动,提出CGPSO(Chaos Generalized Particle Swarm Optimization)算法,改善细致搜索的准确性,并提高全局搜索能力,将CGPSO算法用于Elman神经网络初始参数优化,最后建立负荷预测模型。文中采用我国北方某地区的实际数据进行仿真,实验结果表明,该方法的预测精度相比于传统ENN(Elman Neural Network)方法提高了2.362 6%。
展开更多
关键词
负荷预测
提升小波
ELMAN神经网络
改进粒子群算法
蚁群算法
混沌理论
下载PDF
职称材料
题名
基于自适应粒子群算法优化支持向量机的负荷预测
被引量：
15
1
作者
廖
庆
陵
窦震海
孙锴
朱亚玲
机构
山东理工大学
出处
《现代电子技术》
2022年第3期125-129,共5页
基金
国家重点研发计划(2017YFB092800)
淄博市重点研发计划资助(2019ZBXC498)。
文摘
负荷预测是电力系统调度运行的重要基础数据,短期负荷预测的样本数据既有波动性也有随机性。群体优化算法尤其是粒子群算法在负荷预测中运用非常广泛,但常规粒子群算法的惯性参数一般是固定不变的,导致后期搜索效率下降。文中采用改进的自适应粒子群算法提高搜索效率:首先用混沌初始化替代原来的随机初始化,避免了初始种群分布不均;再根据每次迭代适应度的变化更新惯性因子,可以解决后期寻优速度下降的问题;通过差分变异将适应度较差的粒子进行变异,提高了较差个体更新效率;最后利用改进后的自适应粒子群算法优化支持向量机的关键参数c和g,并进行短期负荷预测。通过测试得到改进后的自适应粒子群算法具有较好的优化效果,并且由自适应粒子群算法优化的支持向量机模型具有更好的预测效果。
关键词
混沌初始化
群体算法
惯性因子
自适应粒子群算法
差分变异
支持向量机
负荷预测
Keywords
chaotic initialization
swarm algorithm
inertia factor
APSO algorithm
differential mutation
SVM
load forecasting
分类号
TN911.1-34 [电子电信—通信与信息系统]
TM715 [电子电信—信息与通信工程]
下载PDF
职称材料
题名
基于提升小波和改进PSO-Elman神经网络的短期负荷预测
被引量：
11
2
作者
邹浩
窦震海
张博
朱亚玲
廖
庆
陵
孙锴
机构
山东理工大学电气与电子工程学院
出处
《电测与仪表》
北大核心
2020年第21期119-125,共7页
基金
国家重点研发计划项目(2017YFB092800)。
文摘
为了提高电力负荷预测的精度,提出基于提升小波和改进PSO-Elman神经网络的短期负荷预测模型。针对负荷的波动性和趋势性,将提升小波算法用于分解原始负荷数据并提取其主要特征,在蚁群算法改进粒子群算法中,采用混沌理论,对部分适应度值较差的粒子进行混沌扰动,提出CGPSO(Chaos Generalized Particle Swarm Optimization)算法,改善细致搜索的准确性,并提高全局搜索能力,将CGPSO算法用于Elman神经网络初始参数优化,最后建立负荷预测模型。文中采用我国北方某地区的实际数据进行仿真,实验结果表明,该方法的预测精度相比于传统ENN(Elman Neural Network)方法提高了2.362 6%。
关键词
负荷预测
提升小波
ELMAN神经网络
改进粒子群算法
蚁群算法
混沌理论
Keywords
load forecasting
lifting wavelet
Elman neural network
improved particle swarm optimization
ant colony algorithm
chaos theory
分类号
TM715 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于自适应粒子群算法优化支持向量机的负荷预测
廖
庆
陵
窦震海
孙锴
朱亚玲
《现代电子技术》
2022
15
下载PDF
职称材料
2
基于提升小波和改进PSO-Elman神经网络的短期负荷预测
邹浩
窦震海
张博
朱亚玲
廖
庆
陵
孙锴
《电测与仪表》
北大核心
2020
11
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
