- 证据理论融合量子神经网络的短期负荷预测被引量：13
- 2010年
- 提出一种用于电力系统短期负荷预测的量子神经网络方法。量子神经网络模型作为单一预测模型对负荷进行预测。利用神经网络,非线性回归模型对预测的历史误差和预测时点的外界影响因素进行分析建模,建立每个模型的可信度评价模型。采用证据理论对每个模型的可信度进行分析评价和合成,确立最终的模型组合预测权值。通过该权值对相应的预测结果进行加权求和得到最终的预测结果。实例表明,该方法能提高预测的精度,是有效可行的。
- 李鹏颜艳郑武军贾健夫白波
- 关键词：负荷预测量子神经网络D-S证据理论
- 基于随机子空间结合稳定图的间谐波高精度检测方法被引量：16
- 2010年
- 为精确检测间谐波参数,提出了基于随机子空间辨识(SSI)与稳定图法相结合的间谐波检测方法。SSI算法可以直接根据含有系统特征信息的端部量测数据检测出系统的参数,首先结合稳定图检测出间谐波分量的个数和模型阶次,然后用SSI算法直接对原始含噪信号精确检测出各间谐波分量的实际频率,如果信号的信噪比大于10dB,则无须去噪,用最小二乘法对各间谐波分量的幅值进行精确检测。分别针对间谐波数值仿真信号、含噪调幅信号及电弧炉电流信号进行间谐波分析,结果表明:该方法抗噪声能力强、计算速度快、检测精度高,尤其对时变性较强的调幅性间谐波信号具有强适应性。仿真结果验证了该方法的可行性与有效性。
- 李天云袁明哲许广婷蔡国伟刘智铭白波
- 关键词：间谐波随机子空间最小二乘信噪比
- 基于随机子空间和最小二乘法的介质损耗角检测方法被引量：14
- 2011年
- 介质损耗角是判断高压设备绝缘状况的有效参数之一,而准确地提取基波电压和电流信号是检测介损角的关键。为精确检测介损角,提出基于随机子空间辨识(stochastic subspace identification,SSI)与最小二乘(leastsquare,LS)法的介损角检测方法。该方法可以准确提取基波电压和电流分量,得到基波电压和电流的相位,从而实现介损角的准确检测。当介损角真实值、电压频率、3次谐波、直流分量、采样频率、采样点数以及白噪声等状态变化时,对SSI-LS法基本无影响;当白噪声的信噪比>25 dB时,其计算结果满足介损角的误差精度;经与谐波分析法进行比较分析可知,此算法的速度和精度较优。仿真分析结果验证了该方法的可行性与有效性。
- 李天云袁明哲蔡国伟白波
- 关键词：介损角随机子空间谐波分析法基波白噪声
- 基于QPSO参数优化的WLS-SVM短期负荷预测被引量：3
- 2010年
- 为了解决负荷非线性特性导致的预测模型难以准确建立的问题,提出一种基于量子粒子群优化(QPSO)参数选择的加权最小二乘支持向量机(WLS-SVM)的短期负荷预测模型和方法。首先,利用量子粒子群优化方法来对模型进行训练,从而选出最优超参数。其次,采用具有良好泛化性能的WLS-SVM回归模型弥补损失的鲁棒性。文中以黑龙江电网短期负荷预测为例,将该方法与一般LS-SVM模型的预测结果进行了对比分析,结果表明此方法能明显提高预测精度。
- 王林川白波于奉振袁明哲
- 关键词：量子粒子群优化最小二乘支持向量机短期负荷预测
- 原对偶内点法和预测校正原对偶内点法在电压稳定裕度计算中的应用比较被引量：1
- 2010年
- 以交直流混合系统电压稳定裕度为研究对象,采用原对偶内点算法进行全局寻优;并在此基础上引入预测校正,通过协调解的可行性和最优性之间的关系提高算法的收敛速度。以IEEE-14、30节点系统为例,通过对影响算法关键因素σ的分析,比较了原对偶内点法和预测校正原对偶内点法的计算精度和速度,验证了本文算法的可行性并对两种算法的全局寻优能力做了比较,在相同的约束条件下都得到了满意的结果,且计算速度与系统规模关系不大。
- 王林川于奉振白波袁明哲
- 关键词：电压稳定裕度原对偶内点法预测校正
- 基于加权LS-SVM的短期负荷预测研究
- 短期负荷预测是一项极复杂的工作,由于它具有明显的随机性与不可预测性,致使预测的精度很难有明显的提高。而传统的预测方法又往往考虑得过于简单,使很多对短期负荷影响重大的因素没有起到应有的作用。近年来随着人工智能技术的发展,机...
- 白波
- 关键词：LS-SVM鲁棒性
- 文献传递
