陈仁刚
- 作品数：2 被引量：2H指数：1
- 供职机构：山东省电力集团公司更多>>
- 相关领域：电气工程自动化与计算机技术电子电信更多>>
- 基于贝叶斯神经网络的电网超载负荷预测模型优化被引量：2
- 2016年
- 电网负荷具有非线性的特点,可预测性较差。提出一种基于神经网络的电网负荷超载预测模型,设计了一个由输入层、隐含层以及输出层构成的网络模型,采用该模型对电网负荷超载进行预测,并基于贝叶斯定理训练该预测模型,对预测过程中的超载负荷不确定因素进行全面分析,采用求极大似然估计和迭代算法得到预测模型的最优参数,然后将各步迭代求解得到的神经网络输入当作随机变量输入,最后依据塑造的最佳预测模型得到最优电网负荷超载的预测结果。实验结果说明,所设计模型的预测结果同实际更接近,避免了不确定性对电网负荷超载预测的干扰,具有较高的预测准确度。
- 冯迎春庄燕飞任庆帅陈仁刚
- 关键词：电网负荷超载贝叶斯定理
- 基于误差修正的电力传感器失调节点定位
- 2016年
- 失调节点的定位直接影响无线传感器网络在智能电网应用的范围,为了获得理想的电力传感器失调节点定位结果,提出一种基于误差修正的电力传感器失调节点定位方法。首先分析当前电力传感器失调节点定位的研究现状,并指出了当前电力传感器失调节点定位方法存在的问题;然后采用经典DV-Hop算法对失调传感器节点进行初步定位,并采用极限学习机对定位误差进行修正;最后利用Matlab 2014工具箱对电力传感器失调节点定位性能进行测试。结果表明,该方法的电力传感器失调节点定位准确性要优于传统方法,同时加快了电力传感器失调节点定位速度。
- 菅有为冯迎春任庆帅陈仁刚
- 关键词：传感器节点极限学习机
