您的位置： 专家智库 > >

重庆市自然科学基金(2006BB2189)

作品数：4 被引量：98H指数：4
相关作者：周湶邓景云孙才新任海军张昀更多>>
相关机构：重庆大学国网四川省电力公司中国华油集团公司更多>>
发文基金：重庆市自然科学基金国家自然科学基金更多>>
相关领域：电气工程经济管理更多>>

文献类型

  • 4篇中文期刊文章

领域

  • 4篇电气工程
  • 1篇经济管理

主题

  • 3篇电网
  • 3篇配电
  • 3篇配电网
  • 3篇负荷预测
  • 2篇空间负荷预测
  • 1篇电力
  • 1篇电力负荷
  • 1篇蚁群
  • 1篇蚁群算法
  • 1篇支持向量
  • 1篇支持向量机
  • 1篇中长期电力负...
  • 1篇配电网重构
  • 1篇群算法
  • 1篇最小二乘
  • 1篇最小二乘支持...
  • 1篇熵值法
  • 1篇向量
  • 1篇向量机
  • 1篇模糊C-均值...

机构

  • 4篇重庆大学
  • 2篇国网四川省电...
  • 1篇中国华油集团...

作者

  • 4篇周湶
  • 3篇张昀
  • 3篇任海军
  • 3篇孙才新
  • 3篇邓景云
  • 1篇李剑
  • 1篇孙威
  • 1篇周永勇
  • 1篇杨柱石
  • 1篇李健
  • 1篇李健
  • 1篇张冠军
  • 1篇谢国勇

传媒

  • 2篇电网技术
  • 1篇中国电机工程...
  • 1篇电力系统保护...

年份

  • 1篇2012
  • 1篇2011
  • 2篇2010
共 4 条 记 录，以下是 1-4
全选 清除 导出
排序方式：
基于最小二乘支持向量机和负荷密度指标法的配电网空间负荷预测被引量：36
2011年
传统的负荷密度指标的求取方法通常采用经验法或简单类比法,难以满足精度要求,从负荷密度与其影响因素存在着某种非线性关系的角度出发,提出了一种基于最小二乘支持向量机(least squares support vector machine,LS-SVM)的配电网空间负荷预测方法。该方法首先引入模糊C–均值算法把各类用地性质负荷聚类为几个等级,建立比较精确的负荷密度指标体系;然后根据待预测地块的规划属性,在体系中为LS-SVM预测模型选出与预测样本特征更为相似的样本进行训练,提高LS-SVM的泛化能力和预测精度;采用遗传算法对LS-SVM预测模型的参数进行自动优化,进一步提高预测模型的适应性和预测精度,实例验证了该方法的实用性和有效性。
周湶孙威任海军张昀孙才新谢国勇邓景云
关键词：空间负荷预测负荷密度指标法支持向量机模糊C-均值聚类
基于化整为零策略和改进二进制差分进化算法的配电网重构被引量：21
2012年
为缩减编码长度,提高计算效率,提出了基于化整为零策略和改进二进制差分进化算法的配电网重构方法。将开关根据其在环路中的位置进行分类,建立了环路–开关关联矩阵。应用化整为零策略将整个解空间划分成若干个子解空间,应用改进二进制差分进化算法直接对各子解空间进行并行搜索,比较所有子解空间的搜索结果即可找到重构问题的最优解。该方法缩短了开关方案的编码长度,改进二进制差分进化算法通过调整变异、交叉操作规则,避免了不可行解的产生。接入分布式电源的配电网仿真算例验证了该方法的有效性。
周湶张冠军李剑杨柱石
关键词：分布式电源配电网重构关联矩阵差分进化
层次结构下的中长期电力负荷变权组合预测方法被引量：27
2010年
提出了一种基于层次结构的中长期电力负荷变权组合预测方法,借鉴层次分析法的思想,构造一个层次结构来确定组合权重:采用熵值法确定模型评价指标的相对权重;采用方差–协方差优选组合预测方法和灰色关联分析分别确定各单一预测模型在各评价指标下的相对权重,最终确定组合预测模型中的组合权重。在组合预测的整个过程中,根据负荷发展的"近大远小"原则,引入等维信息的概念,实现了变权组合预测,使预测结果能够更合理地反映电力负荷的发展规律。最后通过一个实例验证了该方法的有效性。
周湶任海军李健张昀周永勇孙才新邓景云
关键词：负荷预测熵值法
基于蚁群算法的配电网空间负荷预测方法研究被引量：17
2010年
在进行空间负荷预测的过程中,用地类型转换规则的获取对预测的结果产生着深远的影响。提出了一种改进的配电网空间负荷预测方法,采用用地仿真法模拟城市土地动态发展过程,预测规划区域各小区土地的未来使用类型。根据城市发展的实际情况,利用蚁群算法(AntColonyAlgorithm,ACA)的自适应性及其在分类规则挖掘方面的优势,自动获取小区用地类型的转换规则,克服了传统方法在规划年内一直采用静态的土地使用决策规则的缺陷。用实例说明了该方法的有效性。
周湶邓景云任海军张昀李健孙才新
关键词：空间负荷预测蚁群算法分类规则挖掘
全选 清除 导出
共1页<1>
聚类工具0